takeshi0406 https://blog.hatena.ne.jp/takeshi0406/ 歩いたら休め https://kiito.hatenablog.com/ Python スクレイピング pdf python-tika 不動産のことよくわかんねーって言ってる友だちがいたので、簡単なスクレイピングのプログラムを書いて、不動産の情報収集を日々行っています。 「urlを集め、htmlの<title>タグの中身（つまりページのタイトル）と一緒に表示する」というロジックです。htmlのparseにはBeautifulSoup4を使っています。 kiito.hatenablog.com ところが、不動産の情報は、pdfのレポートでやりとりされるものが多く、htmlをパージングするだけではタイトルが取れないものもいくらかあります。 例えば、こちらの資料などです。 そこで、pdfのメタ情報を取得することにしました。 Pyth… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkiito.hatenablog.com%2Fentry%2F2016%2F04%2F24%2F073441" title="【Python】Web上にあるpdfのタイトルを取得する（中間報告） - 歩いたら休め" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> http://ecx.images-amazon.com/images/I/51q+SmA+0QL.jpg Hatena Blog https://hatena.blog 2016-04-24 07:34:41 rich https://kiito.hatenablog.com/entry/2016/04/24/073441 1.0 100%