サンプルコード

import glob
from PyPDF2 import PdfFileReader, PdfFileWriter

# PdfFileWriterを作成
writer = PdfFileWriter()

# 元のPDFファイルのリストを取得する
files = glob.glob("*.pdf")

# 各ファイルから1ページ目を抽出
for i in range(len(files)):
    # 元のファイルを開く
    reader = PdfFileReader(files[i])
    # 1ページ目を抽出する
    page = reader.pages[0]
    # PdfFileWriterに抽出したページを追加する
    writer.addPage(page)

# 1ページ目を結合したPDFを書き出す
with open("combine1page.pdf", "wb") as f:
    writer.write(f)

ライブラリにPyPDF2を使用していますので、あらかじめpipでインストールしておいてください。

PyPDF2

A pure-python PDF library capable of splitting, merging, cropping, and transforming PDF files

pypi.org

解説

PdfFileReaderで各PDFファイルから1ページ目を抽出し、共通のPdfFileWriterに書き込むことにより実現しています。

reader.pages[0]のインデックスを変えることで、任意のページを抽出し結合することができます。

当プログラムを活用することで、あらかじめQRコードを仕込んでおいた書類をスキャンしたときに、しおり付きのPDFを自動的に作成することができます。大量の書類や伝票などを一気にスキャンした際でも、しおりが自動的に作成されることで、すぐに目的のページにジャンプすることが可能となります。

できること

• スキャンした画像ファイルに含まれるQRコードを解析
• 画像にQRコードが含まれていると、そのページにジャンプするしおりがPDFに作成される
• しおりのタイトルはQRコードに含まれている文字列が設定される

当記事ではしおりを付与するサンプルをご紹介していますが、コードをカスタマイズすることで、タグ付きPDFを生成したり、QRコードのあるページでファイルを分割したりするようなこともできます。

実際に動かしてみよう！

さっそくサンプルをご紹介します。

Pythonスクリプトと同じ階層にフォルダ（ここではimages）を作成し、スキャンした画像ファイルを配置しておきます。

画像ファイルにはしおりを作成したいページにQRコードを含めておきます。QRコードはネット上にある各種無料ツールを使って作成できますが、解析に使用しているOpenCVのQRCodeDecoderはUTF-8にしか対応していないため、日本語や全角文字を含める場合はUTF-8でエンコードされている必要があります。

無料QRコード生成ツール・QRコードを簡単作成 - QR Code Generator【みんなの知識 ちょっと便利帳】

無料QRコード作成ツール・QRコード生成ツールです。QRコードを簡単に生成することができます。『みんなの知識 ちょっと便利帳』の一部です。

www.benricho.org

コードがつぶれていなければ、かなり小さくでも認識できるようですので、じゃまにならない程度のサイズで入れておけばOKです。位置は自由です。

以下のスクリプト（Python）を実行すると、しおり付きのPDFが生成されます。

import os
import sys
import glob
import cv2
import img2pdf
from PyPDF2 import PdfFileWriter, PdfFileReader

# 画像ファイルがあるフォルダを指定する

folderPath = "images"

# フォルダに存在する画像ファイルのリストを取得する
images = glob.glob(os.path.join(folderPath, "*.*"))
print(images)

# しおりのデータ
bookmarks = []

# QRコードを認識する
for i in range(len(images)):
    # 画像ファイルリストを表示する
    print(images[i])
    # 画像ファイルを開く
    image = cv2.imread(images[i])
    # QRコードを認識する
    qrDetector = cv2.QRCodeDetector()
    data, bbox, rectifiedImage = qrDetector.detectAndDecode(image)
    # 画像をプレビュー
    # cv2.imshow("Rectified QRCode", images[i])
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()
    print(data)
    # しおりデータを追加
    if data!="":
        bookmarks.append([i, data])

# 画像をPDFファイルに変換する
with open("temp.pdf", "wb") as f:
    f.write(img2pdf.convert(images))

# PyPDF2でPDFファイルを開く
input = PdfFileReader('temp.pdf')

# PdfFileWriterのインスタンスを作成
output = PdfFileWriter()

# オリジナルのPDFをPdfFileWriterにコピーする
output.cloneDocumentFromReader(input)

# しおりを追加する
for i in range(len(bookmarks)):
    output.addBookmark(bookmarks[i][1], bookmarks[i][0])

# PDFを出力する
with open(os.path.basename(folderPath)+".pdf", 'wb') as o:
    output.write(o)

生成されたPDFはこんな感じです。「サンプルQRコード」という文字列を含むQRコードを画像に貼り付けて、上記スクリプトでPDFを生成しました。しおりペインを開いてもらうと、QRコードからしおりが作成されていることが確認できます。

なお、本スクリプトを実行するには、以下のライブラリが必要となります。あらかじめpipでインストールしておいてください。

• img2pdf
• opencv-python
• PyPDF2

しくみ

処理内容としては以下のような流れとなります。

1. フォルダに含まれている画像ファイルのリストを取得
2. 各画像ファイルをOpenCVで解析
   OpenCVで各画像を解析し、QRコードが存在している画像のインデックスとデータを配列に格納します。
3. img2pdfで画像ファイルをPDFに変換
   img2pdfで画像ファイルからしおりなしのPDFファイルを生成しておきます。
4. QRコードのデータをもとにPyPDF2でしおりを作成する
   PyPDF2で変換したPDFを開き、配列に格納されているQRコードのデータをもとにしおりを作成します。

指定されたフォルダ（サンプルではimages）に含まれている画像ファイルを逐次解析し、QRコードがあるページのインデックスとQRコードに含まれる文字列を取得しています。取得されたデータは配列に格納しておき、img2pdfで画像ファイルをPDFにしたあと、PyPDF2でしおりを追加しています。

• 画像のファイル名・フォルダパスは英数字のみである必要があります（OpenCVが日本語のパスに対応していないため）
• QRコードに日本語を含める場合は、UTF-8でエンコードされている必要があります。

まとめ

QRコードを活用し、Pythonでスキャン画像からしおり付きのPDFを生成するサンプルを紹介しました。

今回のサンプルを応用することにより、QRコードで管理されている帳票や文書を自動的に仕分けたり、さまざまな利用法が考えられます。業務システムに組み込めば、紙文書の電子化も効率的に行えそうですね。

なお、すでにPDFファイル化されている場合でも、pdf2imgなどのライブラリを組み合わせることで同様のことが実現できます。機会があれば、すでにPDF化されているファイルのQRコード解析についても公開したいと思います。

メタデータとは？

PDFの「メタデータ」とは、PDFのタイトルや作成者、タグといったデータのことを指します。

適切なメタデータを設定しておくことで、AcrobatなどのPDF閲覧アプリでファイルを管理しやすくすることができます。

メタデータはAcrobatなどのPDFソフトで設定できますが、今回はPythonで設定・取得する方法を紹介していきます。なお、設定されているメタデータはAcrobat Readerなどのアプリで、PDFのプロパティから確認することができます。

PDFのメタデータを取得する

まず、PDFファイルからメタデータを取得するサンプルを紹介します。

PDFからメタデータを取得するには、getDocumentInfoメソッドを使います。

from PyPDF2 import PdfFileWriter, PdfFileReader

output = PdfFileWriter() 
input = PdfFileReader(open('test.pdf', 'rb')) 

# メタデータを取得する
info=input.getDocumentInfo()
# メタデータを表示する

print(info.author)  #作成者
print(info.creator) #ファイル作成ソフト（アプリケーション）
print(info.producer)#PDF変換ソフト
print(info.subject) #サブタイトル
print(info.title)   #タイトル

PDFファイルをPdfFileReaderで開き、getDocumentInfoを実行すると、PDFファイルのメタデータを取得することができます。

Documentation page not found - Read the Docs

pypdf2.readthedocs.io

取得されるDocumentInfoについては、こちらのドキュメントにまとめられています。

Documentation page not found - Read the Docs

pypdf2.readthedocs.io

PDFにメタデータを設定する

PDFにメタデータを設定するには、addMetadataメソットを使います。

from PyPDF2 import PdfFileWriter, PdfFileReader

output = PdfFileWriter() 
input = PdfFileReader(open('test.pdf', 'rb')) 

# オリジナルのPDFをPdfFileWriterにコピーする
output.cloneDocumentFromReader(input)

# メタデータを出力に追加する
output.addMetadata({"title":"サンプル"})

# PDFを出力する
with open('out.pdf','wb') as o:
    output.write(o)

PdfFileWriterのaddMetadataメソッドにディクショナリでメタデータを指定すると、任意のメタデータをPDFに付与することができます。

Documentation page not found - Read the Docs

pypdf2.readthedocs.io

PyPDF2のインストール

当記事では、PyPDF2というライブラリを使った方法を紹介していきます。

PyPDF2

A pure-python PDF library capable of splitting, merging, cropping, and transforming PDF files

pypi.org

PyPDF2は、PythonからPDFを編集するためのメソッドを提供してくれるライブラリです。PyPDF2を使うと、PDFの結合や分割はもちろん、テキストを抽出したり、ファイルを暗号化したりなど、さまざまな編集を行うことができます。

お使いの環境に「PyPDF2」がインストールされていない方は、pipでインストールしておきましょう。

pip install PyPDF2

サンプルコード

さっそくサンプルコードを紹介します。

既存のPDFファイル（test.pdf）に以下のしおりを追加するサンプルです。

• Page1:親
  • Page1：子（ページ1）
  • Page2：子（ページ2）

from PyPDF2 import PdfFileWriter, PdfFileReader

output = PdfFileWriter() 
input = PdfFileReader(open('test.pdf', 'rb'))

# オリジナルのPDFをPdfFileWriterにコピーする
output.cloneDocumentFromReader(input)

# しおりを追加する
parent=output.addBookmark('親', 0, parent=None) 
output.addBookmark('子（ページ1）', 0, parent=parent)
output.addBookmark('子（ページ2）', 1, parent=parent)


# PDFを出力する
with open('out.pdf','wb') as o:
    output.write(o)

実行すると、test.pdfにしおりが追加されたPDFファイル（out.pdf）が作成されます。

解説

addBookmarkメソットを実行することで、しおりを作成することができます。

addBookmark(title, pagenum, parent=None, color=None, bold=False, italic=False, fit=’/Fit’, *args)

Add a bookmark to this PDF file.Parameters

• title (str) – Title to use for this bookmark.
• pagenum (int) – Page number this bookmark will point to.
• parent – A reference to a parent bookmark to create nested bookmarks.
• color (tuple) – Color of the bookmark as a red, green, blue tuple from 0.0 to 1.0
• bold (bool) – Bookmark is bold
• italic (bool) – Bookmark is italic
• fit (str) – The fit of the destination page. See addLink() for details.

Documentation page not found - Read the Docs

pypdf2.readthedocs.io

第1引数にしおりのタイトルを指定します。ここで指定したタイトルがしおりに表示されます。

第2引数には、ジャンプ先のページを指定します。インデックスで指定しますので、1ページ目は0となります。

このほか、第3引数にParentを指定することにより、階層構造を持ったしおりを作成することができます。しおりの文字色や書体なども指定できます。