【Python】PDFのテキストを削除する｜PyPDF4基礎

PyPDF4を使用すると、Pythonを使用してPDFのテキストを削除することができます。

本記事では、PyPDF4を使用した、PDFのテキストを削除する方法について、詳しくご説明します。

levtech-ad

＼業界最大級の案件数！／

レバテックフリーランス詳細はコチラ＞＞

PyPDF4とは

PyPDF4は、Pythonを使用してPDFを操作するための外部ライブラリの１つです。

PDF操作用ライブラリは他にも、PDFMinerやReportLabなどいくつか存在します。

それぞれのライブラリの用途は、以下の通りです。

本記事では、PyPDF4による、PDFのテキストを削除する方法をご紹介します。

PyPDF4のインストール

「PyPDF4」は、以下コマンドを入力することで、インストールすることができます。

コマンドの入力は、コマンドプロンプトあるいはターミナルから行います。

pip install PyPDF4

動作確認として、試しに以下を入力します。

from PyPDF4 import PdfFileReader

上記を入力してもエラーが発生しなければ、正常にインストールされています。

PDFのテキストを削除する

「PdfFileWriter」クラスのremoveText()メソッドを使用すると、指定したPDF内のテキストを削除することができます。

上記メソッドを使用して、以下PDFのテキストを削除してみます。

#input
from PyPDF4 import PdfFileReader, PdfFileWriter

# テキスト削除用PDFの読み込み
pdf_file_path = "input.pdf"
pdf_reader = PdfFileReader(open(pdf_file_path, 'rb'), strict=False)

# 書き込み用オブジェクトの作成
output = PdfFileWriter()

# PDFのページ数取得
num = pdf_reader.numPages

# PDFページコピー
for cp in range(num):
    page = pdf_reader.getPage(cp)
    output.addPage(page)

# テキスト削除
output.removeText()

# 出力
output_name = "output.pdf"
output_stream = open(output_name, 'wb')
output.write(output_stream)
output_stream.close()

テキストデータのみが削除されました。

まとめ

この記事では、PyPDF4を使用した、PDFのテキストを削除する方法について、ご説明しました。

本記事を参考に、ぜひ試してみて下さい。

参考

Python学習用おすすめ教材

Pythonの基本を学びたい方向け

統計学基礎を学びたい方向け

Pythonの統計解析を学びたい方向け

おすすめプログラミングスクール

テックアカデミーの無料体験