問題タブ [pdf-extraction]

PDF Extractor (ここから) を使用して、電子メールの PDF 添付ファイルからテキストを取得しています。

テキストを抽出できる唯一の方法は、PDFをファイルに保存してからコードを使用することだと私には思えます。

PDF ファイルから文字列のリストを抽出します。

ただし、添付ファイルからテキストを直接抽出することはできません。「エクストラクタ」は、ディスク上のファイル以外のソースを処理できないようです。

おそらくメモリ内ファイルストリームを作成することによって、「エクストラクタ」をだましてメモリからファイルを開く方法はありますか?

私はこのようなを使ってみましたMemoryStream：

ただし、エクストラクタはソースがディスク ファイルであると想定しているため、一時ファイルが見つからないというエラーが返されます。

正直なところ、私はメモリ ストリームを理解しようとかなりの時間を費やしてきましたが、それらは要求に合わないようです。

アップデート

添付ファイルを MemoryStream に保存するために使用しているコードもここにあります。

明らかな何かを見逃した場合は、お詫び申し上げます。

PDFからすべての形式の画像を抽出しようとしています。グーグルで調べたところ、StackOverflowでこのページが見つかりました。このコードを試しましたが、次のエラーが発生します。

私はpython 3.xを使用しています。これが私が使用しているコードです。コメントを調べてみましたが、わかりませんでした。これを解決するのを手伝ってください。

サンプルPDFはこちら。

私はいくつかのコメントを読んでリンクをたどっていましたが、この問題はこのページで解決されていることがわかりました。誰かがそれを実装するのを手伝ってもらえますか?

Rで興味のある .pdf テーブルを取得するために機能するコードのチャンクを書きましたが、もっと良い方法があるはずです。したがって、pdfからデータをインポートする際に問題はありません。興味のあるテーブルを抽出するために、以下よりも良い方法を探しています。

...そして、それらをすべてマージします。長すぎてエレガントではありません。