0

PythonでPDFを読み込んでテキスト情報をExcelに変換しようと思っています。
このサイト(https://fastclassinfo.com/entry/python_pdf_to_excel/)を参考にしましたが下記のエラーメッセージが発生しました。

AttributeError
'Page' object has no attribute 'getText'

どうかお力添えを賜りたいです。よろしくお願いいたします。

import fitz
import openpyxl as px
from openpyxl.styles import Alignment
 
# プログラム2|PDFテキストを格納するリスト作成
item_list = []
 
# プログラム3|PDFファイルを開く
filename = '20180319001_1.pdf'
doc = fitz.open(filename)
 
# プログラム4|PDFを1ページずつテキストを取得
for page in range(len(doc)):
    textblocks = doc[page].getText('blocks')
    for textblock in textblocks:
        if textblock[4].isspace() == False:
            item_list.append([page,textblock[4]])
 
# プログラム5|新しいエクセルを作成
wb = px.Workbook()
ws = wb.active
 
# プログラム6|エクセルの書式設定
myalignment=Alignment(wrap_text=True, shrink_to_fit=False)
ws.column_dimensions['C'].width = 100
 
# プログラム7|エクセルのヘッダーを出力
headers = ['No', 'ページ', '内容']
for i, header in enumerate(headers):
    ws.cell(row=1, column=1+i, value=headers[i])
 
# プログラム8|エクセルにPDFのテキストデータを出力
for y, row in enumerate(item_list):
    ws.cell(row= y+2, column= 1, value= y+1)
    for x, cell in enumerate(row):
        ws.cell(row= y+2, column= x+2, value=item_list[y][x])
        ws.cell(row= y+2, column= x+2).alignment = myalignment
 
# プログラム9|エクセルファイルの保存
excelname = f'{filename}_excel_convert.xlsx'
wb.save(excelname)

追記
Python 3.9.7
openpyxl Version: 3.0.4
PyMuPDF 1.21.1

3
  • エラーメッセージは発生行や呼び出しスタック等の重要な情報を多く含んでいるので略さずに表示されたままを全て提示してください。
    – kunif
    Commented 2023年1月4日 6:37
  • モジュールのバージョンは何でしょうか?質問に追記しましょう。
    – merino
    Commented 2023年1月4日 6:37
  • ちなみにこちらの記事 PyMuPDFの基本的な使い方 を見るとrange(len(doc))ではなくrange(doc.page_count)に、.getText('blocks')ではなく.get_text('blocks')になると思われます。Appendix 1: Details on Text Extraction
    – kunif
    Commented 2023年1月4日 6:57

1 件の回答 1

2

PyMuPDF 1.20.0 ではgetTextget_textに変更すると上手く行くようです。

※ getTextと全く同じ動作をするかは分かりませんが、テキスト情報は取得出来ました。同じ情報が取得できるかどうかは質問者さんにて検証お願いします。

1
  • get_textとしたところ無事にテキスト取得できました。ありがとうございます!
    – hhhh
    Commented 2023年1月4日 7:17

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。