pdf-read-python

PDF読み込み（Python必須）

Claude CodeでPDFファイルを読み込む際の正しい方法。ReadツールでPDFを直接読むとエラーになるため、必ずPythonのpdfplumberライブラリを使用する。

Triggers

以下の状況で使用：

• PDFファイルを読み込む必要があるとき
• ReadツールでPDFを読もうとしてエラーが発生したとき
• PDF内のテキストを抽出したいとき

重要な原則

絶対にReadツールでPDFを直接読まない

• ReadツールでPDFを読むとエラーになることが多い
• 必ずPythonのpdfplumberライブラリを使用する
• この方法なら確実にPDFの内容を抽出できる

Python環境（重要）

brainbaseでは共通の仮想環境を使用する

項目	パス
共通仮想環境	/Users/ksato/workspace/.venv
Python	3.13.11
用途	すべてのPythonツール・スクリプトで使用

理由:

• Python環境の散らばりを防ぐ
• パッケージ管理を一元化
• バージョン競合を回避

手順

1. 共通仮想環境の使用（推奨）

pdfplumberは既に共通仮想環境にインストール済みです。Bashツールで実行する際は、仮想環境をアクティベートしてから実行します。

source /Users/ksato/workspace/.venv/bin/activate && python << 'EOF'
import pdfplumber
# ... PDFを読み込むコード ...
EOF

または、仮想環境のPythonを直接指定：

/Users/ksato/workspace/.venv/bin/python << 'EOF'
import pdfplumber
# ... PDFを読み込むコード ...
EOF

2. ライブラリの追加インストール（必要な場合）

新しいパッケージが必要な場合は、共通仮想環境にインストールします。

source /Users/ksato/workspace/.venv/bin/activate
pip install <package-name>
deactivate

2. Pythonスクリプトでの読み込み

基本的な使い方

import pdfplumber

pdf_path = '/path/to/your/file.pdf'

with pdfplumber.open(pdf_path) as pdf:
    # 総ページ数の取得
    print(f"総ページ数: {len(pdf.pages)}")

    # 全ページのテキスト抽出
    for i, page in enumerate(pdf.pages):
        text = page.extract_text()
        print(f"--- ページ {i+1} ---")
        print(text)

特定のページのみ抽出

import pdfplumber

pdf_path = '/path/to/your/file.pdf'

with pdfplumber.open(pdf_path) as pdf:
    # 最初の3ページのみ
    for i, page in enumerate(pdf.pages[:3]):
        text = page.extract_text()
        print(f"--- ページ {i+1} ---")
        print(text)

3. Bashツールでの実行例（共通仮想環境使用）

必ず共通仮想環境のPythonを使用してください。

/Users/ksato/workspace/.venv/bin/python << 'EOF'
import pdfplumber

pdf_path = '/Users/ksato/Downloads/example.pdf'

try:
    with pdfplumber.open(pdf_path) as pdf:
        print(f"総ページ数: {len(pdf.pages)}")
        print(f"\n{'='*60}")
        print("最初の3ページの内容:")
        print(f"{'='*60}\n")

        # 最初の3ページを表示
        for i, page in enumerate(pdf.pages[:3]):
            print(f"\n--- ページ {i+1} ---\n")
            text = page.extract_text()
            if text:
                print(text)
            else:
                print("(テキストが抽出できませんでした)")
            print(f"\n{'='*60}\n")

except Exception as e:
    print(f"エラーが発生しました: {type(e).__name__}: {e}")
EOF

注意: python3 ではなく /Users/ksato/workspace/.venv/bin/python を使用することで、共通仮想環境を確実に使用できます。

pdfplumberの特徴

特徴	説明
テキスト抽出	PDFからテキストを正確に抽出
ページ単位処理	ページごとに処理が可能
テーブル抽出	page.extract_tables() でテーブルも抽出可能
メタデータ取得	PDFのメタデータも取得可能

その他の便利な機能

テーブルの抽出

with pdfplumber.open(pdf_path) as pdf:
    page = pdf.pages[0]
    tables = page.extract_tables()
    for table in tables:
        print(table)

メタデータの取得

with pdfplumber.open(pdf_path) as pdf:
    metadata = pdf.metadata
    print(metadata)

トラブルシューティング

pdfplumberがインストールできない場合

共通仮想環境にインストールしてください。

source /Users/ksato/workspace/.venv/bin/activate
python -m pip install --upgrade pip
pip install pdfplumber
deactivate

テキストが抽出できない場合

• スキャンされた画像PDFの場合、OCRが必要
• その場合は pdf2image と pytesseract を共通仮想環境にインストール

source /Users/ksato/workspace/.venv/bin/activate
pip install pdf2image pytesseract
deactivate

チェックリスト

PDF読み込み時は以下を確認：

- [ ] ReadツールではなくPythonを使用
- [ ] 共通仮想環境（/Users/ksato/workspace/.venv）のPythonを使用
- [ ] pdfplumberライブラリがインストール済み
- [ ] Bashツールで `/Users/ksato/workspace/.venv/bin/python` を実行
- [ ] エラーハンドリング（try-except）を含む

---

最終更新: 2025-12-25