PythonでPDFから画像を抽出する

はじめに

こ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。独自のセルフホスティングJPedalマイクロサービスを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 のシンプルな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、次のコマンドでIDRCloudClientパッケージをインストールしてください：

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、以下を参照してください。

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)

コールバックURLに結果を返す

JPedalマイクロサービスは、抽出完了時に抽出のステータスを送信するためのコールバック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判断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にあります。

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代わりに、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の値を次のように置き換える必要があります。

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

認証を使用する

PDFから画像を抽出するためにユーザー名とパスワードが必要な独自のJPedalマイクロサービスをデプロイした場合は、各変換でそれらを提供する必要があります。これらは、以下のようにconvertメソッドにauthという名前の変数を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