【PDFファイル操作の極意】PyPDF2を使ったテキスト抽出、暗号化、復号、テキスト追加の手法をマスターしよう！

今回の講座の導入文

みんな、こんにちは！今日は「PyPDF2」っていうライブラリを使って、PDFファイルを操作する方法を学ぶで。PDFって、普段から見ること多いけど、いざ操作しようと思ったら意外に難しいやんか。でも、このPyPDF2を使えば簡単にできるんやで！

メリット

• 簡単に使える：Pythonで少しコードを書くことで、PDFの読み込みやページの結合ができちゃうんや。
• 便利やねん：例えば、複数のPDFを一つにまとめたい時や、特定のページだけを抜き出したい時に役立つで。

例え話

考えてみてな、PDFファイルが本やとするやんか。このPyPDF2は、その本の中からページを切り取ったり、別の本と合わせたりできるマジック道具みたいなもんや。ほんで、必要な情報だけをパッと取り出して、別の本に書き加えることもできる。これって、すっごい便利やろ？

さあ、これから一緒に楽しみながらPDFファイルの操作を学んでいこうな！

① PDFファイルの読み込みと情報取得

さて、最初にやることはPDFファイルを読み込んで、そこにどんな情報が入ってるかを取得することや。これができるようになったら、PDFの世界が広がるで！

PDFファイルの読み込み

まずは、PyPDF2を使ってPDFファイルを読み込む方法を見てみよう。ここでは、PDFファイルを開いて、ページ数やタイトルなどの基本情報を取得するんや。

import PyPDF2

# PDFファイルを開く
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)

    # PDFのページ数を取得
    num_pages = len(reader.pages)
    print(f'このPDFは {num_pages} ページあります。')

    # PDFのメタデータを取得
    metadata = reader.metadata
    print('PDFのメタデータ:')
    for key, value in metadata.items():
        print(f'{key}: {value}')

説明

• open()関数を使ってPDFファイルをバイナリモードで開くんや。
• PdfReaderを使って、そのファイルを読み込むで。
• len(reader.pages)でページ数を取得できるし、reader.metadataでメタデータ（タイトルや作者など）を確認できる。

これで、PDFファイルから情報を取得する準備が整ったで！次は、実際にどのページを抽出するかを学んでいこう！

② ページの抽出と結合

次は、PDFのページを抽出して、別のPDFファイルに結合する方法を学んでいくで！これができれば、必要な情報だけを取り出して、オリジナルのPDFを作ることもできるんや。

ページの抽出

まずは、特定のページを抽出する方法を見てみよう。例えば、1ページ目と3ページ目を抜き出して新しいPDFを作るんや。

import PyPDF2

# 元のPDFファイルを開く
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)

    # 新しいPDFファイルを作成
    writer = PyPDF2.PdfWriter()

    # 抽出したいページを指定（0始まりやから注意やで）
    pages_to_extract = [0, 2]  # 1ページ目と3ページ目を抽出

    for page_num in pages_to_extract:
        writer.add_page(reader.pages[page_num])

    # 新しいPDFファイルを保存
    with open('extracted_pages.pdf', 'wb') as new_file:
        writer.write(new_file)

print('指定したページを抽出して、新しいPDFファイルを作成しました。')

説明

• PdfWriterを使って、新しいPDFファイルを作成するんや。
• add_page()メソッドで、抽出したいページを追加するで。
• 最後に、write()メソッドで新しいPDFファイルとして保存するんや。

これで特定のページを抜き出して、新しいPDFを作成する方法がわかったな！次は、ページを結合する方法を見ていこう！

③ テキスト抽出の基本

次は、PDFファイルからテキストを抽出する方法を学んでいくで！PDFには文字が埋もれてることが多いから、上手に引き出す技術が必要やね。これができれば、PDFの中身を簡単に利用できるようになるんや。

テキストの抽出

まずは、PDFファイルからテキストを取り出す基本的な方法を見てみよう。これで、PDF内の文章をそのままコピーしたみたいに使えるようになるで。

import PyPDF2

# PDFファイルを開く
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)

    # 抽出したいページを指定
    page_number = 0  # 1ページ目を抽出する場合

    # 指定したページからテキストを抽出
    page = reader.pages[page_number]
    text = page.extract_text()

    print(f'抽出したテキスト（ページ {page_number + 1}）:')
    print(text)

説明

• extract_text()メソッドを使うことで、指定したページのテキストを取得できるんや。
• そのテキストをprint()で表示すれば、PDFの中身を簡単に確認できるで。

この方法を使えば、PDFの中にある情報をサクッと取り出せるようになるから、レポート作成やデータ分析に役立つで！さあ、次はPDFの暗号化や復号について学んでいこう！

④ PDFの暗号化と復号

さて、次はPDFファイルを暗号化したり復号したりする方法を学んでいくで！大事な情報が入ったPDFは、誰でも見れるようにしたくない時があるやろ。そんな時にこの技術が役立つんや。

PDFの暗号化

まずは、PDFファイルを暗号化する方法を見てみよう。これでパスワードを設定して、許可された人しか中身を見れないようにできるで。

import PyPDF2

# 元のPDFファイルを開く
with open('sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)

    # 新しいPDFファイルを作成
    writer = PyPDF2.PdfWriter()

    # 全ページを新しいPDFに追加
    for page in reader.pages:
        writer.add_page(page)

    # PDFを暗号化する
    password = 'mypassword'  # ここに設定したいパスワードを入れてな
    writer.encrypt(password)

    # 新しいPDFファイルを保存
    with open('encrypted_sample.pdf', 'wb') as new_file:
        writer.write(new_file)

print('PDFファイルを暗号化しました。')

説明

• encrypt()メソッドを使って、設定したパスワードでPDFを暗号化するんや。
• これで、パスワードを知らない人はそのPDFを開けなくなるで。

PDFの復号

次は、暗号化されたPDFを復号する方法を見てみよう。パスワードを入力することで、中身を取り出せるようにするんや。

import PyPDF2

# 暗号化されたPDFファイルを開く
with open('encrypted_sample.pdf', 'rb') as file:
    reader = PyPDF2.PdfReader(file)

    # パスワードを入力して復号
    password = 'mypassword'  # 暗号化時と同じパスワードを入れてな
    reader.decrypt(password)

    # テキストを抽出して表示
    page = reader.pages[0]
    text = page.extract_text()

    print('復号したテキスト（ページ 1）:')
    print(text)

説明

• decrypt()メソッドを使って、設定したパスワードを使って復号するんや。
• 復号が成功したら、通常通りテキストを抽出したりできるで。

これでPDFの暗号化と復号の基本がわかったな！次は、PDFへのテキスト追加について学んでいこう！

⑤ PDFへのテキスト追加

最後は、PDFファイルにテキストを追加する方法を学んでいくで！これを使えば、既存のPDFに注釈を入れたり、情報を追記したりできるから、作業が楽になるんや。

PDFへのテキスト追加

まずは、PDFファイルに新しいテキストを追加する方法を見てみよう。ここでは、既存のPDFに「これは追加されたテキストです」というメッセージを入れてみるで。

import PyPDF2
from PyPDF2 import PdfWriter, PdfReader
from PyPDF2.generic import NameObject, TextStringObject, DictionaryObject

# 元のPDFファイルを開く
with open('sample.pdf', 'rb') as file:
    reader = PdfReader(file)

    # 新しいPDFファイルを作成
    writer = PdfWriter()

    # 各ページを新しいPDFに追加
    for page in reader.pages:
        writer.add_page(page)

    # テキストを追加するための設定
    page = writer.pages[0]  # 1ページ目に追加する場合
    text_to_add = "これは追加されたテキストです"

    # テキスト追加のためのオブジェクトを作成
    text_object = DictionaryObject()
    text_object.update({
        NameObject('/Type'): NameObject('/Annot'),
        NameObject('/Subtype'): NameObject('/FreeText'),
        NameObject('/Contents'): TextStringObject(text_to_add),
        NameObject('/Rect'): [100, 500, 300, 550],  # テキストを表示する位置
        NameObject('/C'): [1, 0, 0],  # テキストの色（赤）
        NameObject('/F'): 4  # テキストのスタイル設定
    })

    # テキストをページに追加
    page[NameObject('/Annots')] = page.get('/Annots', []) + [text_object]

    # 新しいPDFファイルを保存
    with open('added_text_sample.pdf', 'wb') as new_file:
        writer.write(new_file)

print('PDFファイルにテキストを追加しました。')

説明

• DictionaryObjectを使って、追加するテキストの設定を作成するんや。
• Rectを指定することで、テキストを表示する位置を決めることができるで。
• 最後に、Annotsにテキストオブジェクトを加えて、ページにテキストを追加するんや。

これで、PDFにテキストを追加する方法がわかったな！これを使って、PDFに必要な情報をどんどん加えていこう！これでPyPDF2の基本的な使い方は完了やで。色んなPDF操作を楽しんでな！

【PDFファイル操作の極意】PyPDF2を使ったテキスト抽出、暗号化、復号、テキスト追加の手法をマスターしよう！