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 ...

Python でpdfminer や PyMuPDF（fitz） があります。 PDFファイルではパスワードを要求するファイルも存在します。pdfminer はパスワードを要求するファイルには対応できません。①座標を指定してテキストを呼び込む方法と ②テキストデータを読み込み、その後で ...