Python pdf回転csv

Python pdf回転csv

バックグラウンド

依存環境

依存プライマリpythonパケット

pdfminer

背景

              （  、  、   ）   ，         PDF   ，      PDF，  PHP   pdf    ，     Python。     pdf  csv，    csv     。

依存環境

Python 3.7.6 
Java 1.8.0_121（tabula-py    tabula-java    ，       Java）
nignx       flask  ，       80  ，        ，      nginx   ，            

依存するプライマリpythonパッケージ

flask==1.1.1      
pdfminer.six==20200124    PDF  

pdfminer
後でflaskを単独で話すので、ここでは主にpdfminerについて話します.

pip install pdfminerを取り付ける.six

を実現

from pdfminer.high_level import extract_text
from pdfminer.pdfparser import PDFSyntaxError

def _parse(file_path, line_count=0):
    """          ，         """
    area = [266, 42.765625, 785.028125, 564.134375]
    if line_count != 0:
        area[2] = 3120.003125 + 31.2375 * line_count
    dfs = tabula.read_pdf(file_path, pages="all", area=area)
    num = len(dfs)
    save_data = []
    save_data.append(dfs[0])
    if num == 0:
        logging.error("no table found")
    elif 1 < num:
        for i in range(1, num):
            area = [175, 42.765625, 785.028125, 564.134375]
            area[2] = 3120.003125 + 31.2375 * line_count
            dfs = tabula.read_pdf(file_path, pages=i + 1, area=didi_area)
            save_data.append(dfs[0])
    #                ，      CSV   
    for i in range(0, num):
        save_data[i].columns = [name.replace('\r', ' ') for name in save_data[i].columns]
    return save_data

ファイルの内容を簡単に読み取る機能で、複数ページの読み取りをサポートしています.area:読み取り内容の位置を制御します.2ページ目のデータの位置は1ページ目とは異なるので、再読み取りが必要です.
そしてCSVにデータを書き込む

# data    PDF  
# output_path csv     
def _output_csv(data, output_path):
    """   DataFrame     API，    CSV   """
    #    BOM  ，      Excel     CSV
    with open(output_path, mode='wb') as output:
        output.write(BOM_UTF8)

    with open(output_path, mode='a', newline='') as output:
        for i in range(0, len(data)):
            data[i].to_csv(output, index=False)

以上でCSVファイルが生成され、あとはCSVファイルデータを取得すればよい.
プロジェクトアドレス:pdf 2 csv.