PythonでPDFから画像を抽出する

はじめに

以下のチュートリアルでは、ホストされたJPedalクラウドAPIを使用してPDFから画像を抽出する方法を説明します。セルフホスト型JPedalマイクロサービスを独自にセットアップすることもできます。

上記のサービスは通常のHTTPリクエストでアクセスできますが、このチュートリアルではREST API をラップしたシンプルなPythonラッパーを提供する、オープンソースのPython IDRCloudClient を使用します。

前提条件

pipを使用して、以下のコマンドでIDRCloudClientパッケージをインストールします。

pip install IDRCloudClient

コード例

以下は、PDFから画像を抽出するための基本的なコード例です。設定オプションと高度な機能については、以下をご覧ください。

from IDRSolutions import IDRCloudClient

client = IDRCloudClient('https://my-self-hosted-service.com/' + IDRCloudClient.JPEDAL)

try:
    result = client.convert(
        input=IDRCloudClient.UPLOAD, 
        file='/path/to/exampleFile.pdf',
        ,
        settings='{"mode":"extractImages","type":"rawImages","format":"png"}'
    )
    outputURL = result['downloadUrl']

    client.downloadResult(result, 'path/to/output/dir')

    if outputURL is not None:
        print("Download URL: " + outputURL)

except Exception as error:
    print(error)

結果をコールバックURLに返す

JPedalマイクロサービスは、抽出完了時のステータスを送信するコールバックURLを受け付けます。コールバックURLを使用することで、抽出が完了したかどうかを確認するためにサービスをポーリングする必要がなくなります。
コールバックURLは、以下のようにconvertメソッドに提供できます。

result = client.convert(
    input=IDRCloudClient.UPLOAD,
    callbackUrl='http://listener.url',
    file='/path/to/exampleFile.pdf',
    ,
        settings='{"mode":"extractImages","type":"rawImages","format":"png"}'
)

設定オプション

JPedal APIは、抽出をカスタマイズするためのキーと値のペアの設定オプションを含む、文字列化されたJSONオブジェクトを受け付けます。設定はconvertメソッドに提供する必要があります。PDFから画像を抽出するための設定オプションの完全なリストは、こちらをご覧ください。

settings='{"key":"value","key":"value"}'

URLによるアップロード

ローカルファイルをアップロードするだけでなく、JPedalマイクロサービスがダウンロードして抽出を実行するURLを提供することもできます。これを行うには、convertメソッドのinputとfileの値を以下に置き換えます。

input=IDRCloudClient.DOWNLOAD
url='http://exampleURL/exampleFile.pdf'

認証の使用

PDFから画像を抽出するためにユーザー名とパスワードを必要とする独自のJPedalマイクロサービスをデプロイしている場合、各変換でそれらを提供する必要があります。これらは、以下に示すようにauthという名前の変数をconvertメソッドに渡すことで提供されます。

auth=('username', 'password'))

詳細情報

GitHubのIDRCloudClient
PypiのIDRCloudClient
JPedalマイクロサービスAPI
JPedalマイクロサービスの使用