kei198403 / sbi-pdf2text Goto Github PK

pdfファイルはうまく解析できない場合があります。
途中でエラーとなったデータについては、解析途中のテキストデータをpdfファイルと同じフォルダ内に拡張子.txtを付与したファイルを出力して、次回そのファイルを読み込むようにしています。
若干の形式不正の場合は、このテキストファイルを修正して再実行してください。

VSCode + Remote Containers + Docker

Python3.12

VSCodeのTerminalを開くと自動でvirtualenvに入りますが、入らない場合は、以下を実行。

source /workspace/.venv/bin/activate

参考：https://cocoinit23.com/docker-opencv-importerror-libgl-so-1-cannot-open-shared-object-file/

以下を実行してください。

sh /workspace/.devcontainer/init.sh

PDFMinerを利用。
camelot-pyを最初に利用していたが解析に失敗することが増えたり、最新のPythonバージョンに対応していないことから別ライブラリに変更。
pypdfを試したが日本語が文字化けするため採用は見送った。

poetry add pdfminer.six

• pdfminer/pdfminer.six: Community maintained fork of pdfminer - we fathom PDF
• pdfminer Document

2023年12月時点でmojimoji 0.0.12はpython3.12に未対応。
2023年10月にpull requestが出ているが取り込まれていない状況。
そのためforkされているリポジトリの中からpull requestを取り込んだブランチがあったためそのソースを利用。

poetry add git+https://github.com/tpdn/mojimoji.git#fix_for_py312

• feat: 新しい機能
• fix: バグの修正
• docs: ドキュメントのみの変更
• style: 空白、フォーマット、セミコロン追加など
• refactor: 仕様に影響がないコード改善(リファクタ)
• perf: パフォーマンス向上関連
• test: テスト関連
• chore: ビルド、補助ツール、ライブラリ関連

前提：特定口座での受取であること

• 「外国株式等配当金等のご案内（兼）支払通知書」電子交付のお知らせ
  • SBI証券
• 「株式等利益剰余金配当金のお知らせ」電子交付のお知らせ
  • SBI証券、SBIネオモバイル証券