徹底攻略PDFオープンデータ。PDFMinerで始めるPDFテキスト分析。 ref: http://qiita.com/nezuq/items/75e8366d68c66e56ff53

file0.txt

python setup.py install

file1.txt

pdf2txt.py samples/simple1.pdf

#コマンド実行後、Hello Worldが連続表示されたらOK。
#　-> サンプルPDFからテキストを抽出する事に成功している。

file2.txt

make cmap
python setup.py install

file3.txt

mkdir pdfminer\cmap
python tools\conv_cmap.py -c B5=cp950 -c UniCNS-UTF8=utf-8 pdfminer\cmap Adobe-CNS1 cmaprsrc\cid2code_Adobe_CNS1.txt
python tools\conv_cmap.py -c GBK-EUC=cp936 -c UniGB-UTF8=utf-8 pdfminer\cmap Adobe-GB1 cmaprsrc\cid2code_Adobe_GB1.txt
python tools\conv_cmap.py -c RKSJ=cp932 -c EUC=euc-jp -c UniJIS-UTF8=utf-8 pdfminer\cmap Adobe-Japan1 cmaprsrc\cid2code_Adobe_Japan1.txt
python tools\conv_cmap.py -c KSC-EUC=euc-kr -c KSC-Johab=johab -c KSCms-UHC=cp949 -c UniKS-UTF8=utf-8 pdfminer\cmap Adobe-Korea1 cmaprsrc\cid2code_Adobe_Korea1.txt
python setup.py install

file4.txt

pdf2txt.py  -o output.txt input.pdf

file5.txt

dumppdf.py -a foo.pdf