pdfから1 pageずつテキストを取得するDeno script

2023-04-09

2021-04-12 02:17:53 ひとつのjsonファイルにテキストデータをまとめるようにした

同時に画像ファイルも取得できるようにしたいなー

code:script.ts

import { ensureDir } from "../deno_std%2Ffs/mod.ts";

import { parse } from "../deno_std%2Fflags/mod.ts";

import { join } from "../deno_std%2Fpath/mod.ts";

import { getPDFpageNum } from '../PDFのページ数を取得/deno.ts';

.name("pdftotext-1by1")

.description("pdfから1 pageずつテキストを取得する")

.version("v1.0.0")

.option("-l, --last <last:number>", "ここで指定したページ数までテキストを取得する")

.option(

"-o, --output <output:string>",

"出力先directory",

)

.arguments("<filename:string>")

.parse(Deno.args);

options.output ??= Deno.cwd();

await ensureDir(options.output);

code:script.ts

const json = [];

const pageNum = options.last ?? await getPDFpageNum(await Deno.readFile(filename));

code:script.ts

const progress = new ProgressBar({

total: pageNum,

});

progress.render(0);

code:script.ts

for (let i = 0; i < pageNum; i++) {

const page = i + 1;

const command = new Deno.Command("pdftotext", {

});

const { success, stderr } = await command.output();

if (!success) {

const message = new TextDecoder().decode(stderr);

console.error(message);

throw Error(message);

}

const text = await Deno.readTextFile(path);

json.push(text);

progress.render(page);

}