Python PDF 읽기

모듈 설치

pip3 install PyMuPdf

- PDF(및 기타) 문서 의 데이터 추출, 분석, 변환 및 조작을 위한 고성능 Python 라이브러리

 

pip3 install pdfminer.six

-  PDF 문서용 텍스트 추출 도구

 

pip3 install  pillow 

- Python Imaging Library

 

텍스트 추출하기

import re
from pdfminer.high_level import extract_text, extract_pages

for page_layout in extract_pages('foo.pdf'):
    for element in page_layout:
        print(element)


text = extract_text('sample.pdf')
print(text)

pattern = re.compile(r'[a-zA-Z]+,{1}\s{1}')
matches = pattern.findall(text)
names = [n[:-2] for n in matches]
print(names)

 

이미지 추출하기

import fitz # PyMuPDF
import PIL.Image # pillow
import io

pdf = fitz.open('ccsg.pdf')
counter = 1 # All Image
for i in range(len(pdf)):
    page = pdf[i]
    images = page.get_images()
    for image in images:
        base_img = pdf.extract_image(image[0])
        image_data = base_img["image"]
        img = PIL.Image.open(io.BytesIO(image_data))
        extension = base_img["ext"]
        img.save(open(f"image{counter}.{extension}", "wb"))
        counter += 1