先日Pythonを使ってpdf文書の抽出というのにPyPDF2というライブラリを使ってみました。 本日は、↓こちらの内容に書いてあるコードを参考にして、pdf文章の抽出用の別のライブラリ(pdfminer)を使ってみました。 ↓pdfはこういった中身になっています。 ↑こちら ...

今回はOCR（PDFや画像データの文字認識）用ライブラリを紹介します。OCR用のサンプルデータは下記の通りです。 シンプルな読み込みはtabula.read_pdf(filepath, pages='all')とします。またfilepathにurlを指定すればweb経由で取得も可能です。 下記の通り戻り値はリスト ...