プログラミングの大先生たすけて！

[0001 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:47:38.840 ID:2SsLeghrM]

3800ページあるPDFを高速でCSVにしたいんだがいい方法ない？
PyMuPDFでやると40分近くかかる
pdftotextでうまくやろうとおもったけどセル内改行があるから難しい
どうしたらいいんだ？

[0002 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:47:57.364 ID:9QzjE1770]

Chatgptに投げる

[0003 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:49:07.021 ID:2SsLeghrM]

>>2
聞いたけどこれ以上の答えは言ってくれないのよ

[0004 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:50:33.614 ID:3VQ/G5760]

文字だけ？

[0005 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:50:49.828 ID:Vlgpeygg0]

自分でWordに打ち込む

パソコンを超えろ

[0006 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:50:50.364 ID:2SsLeghrM]

>>4
文字だけ

[0007 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:50:51.415 ID:qM4ACrCaM]

40分VIP見てれば良い

[0008 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:51:30.731 ID:AIWPTshN0]

from pdfminer.high_level import extract_text
import pandas as pd

# PDFからテキストを抽出
text = extract_text("your_pdf_file.pdf")

# テキストを行単位で分割し、データフレームに変換
lines = text.split('\n')
df = pd.DataFrame(lines, columns=["text"])

# CSVに書き出し
df.to_csv("output.csv", index=False)

[0009 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:52:30.977 ID:JbxjDiBY0]

chat GPTしゅげええええええええええええ
visual studio codeまで備え付けられてるうううううう


https://imgur.com/rrsLqrh.jpg

[0010 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:54:17.042 ID:2SsLeghrM]

>>9
そうそうプログラミング学ぶにはめちゃくちゃ便利なんだよな

[0011 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 14:57:30.101 ID:2SsLeghrM]

>>8
だからテキスト化だとセル内改行に対応できないからtableでとってくるしかできないんだよね…

[0012 以下、5ちゃんねるからVIPがお送りします 2024/05/26(日) 15:02:40.784 ID:briEszqGH]

オンラインツール使ったら？

[0013 警備員[Lv.33] 2024/05/26(日) 15:05:54.206 ID:3LOQcJhGd]

そのうちググレカスがgptrksになんかな