tabula.read_pdfでPDFから表を抜き出すのに苦労したので思い出しながらまとめます。 tabula.read_pdfとは PythonのモジュールでPDFファイルから表を抽出する事ができます。他にもPDFからを読み取るモジュールはありますがtabulaは表の抽出に特化しているらしいです ...

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 ...