Ubuntu User Blog

記事の更新日：2026/09/29　評価を加筆 1.概要 PDFは汎用性が高く、様々な場面で利用されています。一番の特徴はデータのセキュリティを保つことです。Excelなどの表計算ソフトはタブを利用することで３次元的にデータを保管しています。これをPDFにすることで特定のタブのデータだけを選択して、読み出し専用のデータにすることができます。 しかし、PDFからTextを切出したい事があります。不思議なことにPDFのテキスト部分をドラッグ＆ドロップでテキストに取れることもあります。しかし、何も操作できないこともあります。少しネットで調べて、PDFからTextの作成方法を実施したのでその内容を記述します。 私の評価は以下の通りです。 (1) PDFには内部にテキスト文書を保存しているものがあります (2) テキスト文書がある場合は、コマンドで簡単に取り出すことができます (3) テキスト文書がない場合、PDFをイメージに変えて、OCRで読み込みます (4) PDFは活字ですが、OCR読み込みは完全ではありません。修正が必要です 2.詳細 (1) PDF内部にText文書がある場合 PDFには種類がありますが、PDF内部にText文書があるものと、そうではないものがあります。PDF内部にText文書があるものは、比較的かんたんにPDFからTextを作成できます。 ubuntuでは、pdftotextコマンドを利用できます。 (2) PDF内部にText文書がなく、イメージファイルの場合 pdftotextを実行しても何も出力されない場合が該当します。 この場合はPDFをイメージファイル(png)に変換して、OCRソフトでTextにします。 PDFをPNGに変更するためには、pdftoppmを利用します pdftoppm -png xxxxxx.pdf yyyyyy yyyyyy.zzzzz.pngが作成されます。 pngをOCRソフトでTextを切り出すには、tesseractを利用します sudo apt install tesseract-ocr sudo apt install tesseract-ocr-jpn tesseract yyyyyy.zzzzz.png output -l jpn output.txtが作成されます。 3.所見 PDF内にTestが存在...

記事の更新日：2026/09/29　評価を加筆 1.概要 PCが単体で動作しているときには時刻の問題は小さなことでした。ネットワークに接続して様々な機器と連携するようになり、時刻のズレが大きな問題となり、NTPを利用した時刻同期が利用されるようになりました。 更に、海外とのデータ交換をするようになるとTImeZoneのズレが問題になりました。同じ9:00であっても、UTCとJSTでは異なります。これが問題になり始めたのはクラウドの利用が始まった頃だと思います。AWSなどのクラウド環境の機器はUTCで運用されています。では、それに接続する機器はどうすべきかについて記述をします。 aws環境はtimezoneがUTCに設定されています。開発用途のPC(ubuntu)は通常はJST環境のため、時刻が合わないで困ることもありました。例えば、日替わりなど日付が変わる処理が存在する場合、UTCとJSTで時刻が異なるために９時間の時間差が発生するので、処理ロジックにTimezone認識が必要です。PC(ubuntu)をUTCに変更すると問題は解決できそうなので試してみました。 私の評価は以下の通りです。 (1) クラウド環境のサーバはUTCで運営されています (2) PCは普通にセットアップするとJSTに設定されます (3) クラウド環境とPC間でデータのやり取りを行うと、９時間の時差が問題となります (4) 時差の問題を回避には、PCをUTC設定ですが、勤怠などJST依存の問題が起きます (5) クラウド環境とPC間でデータのやり取りを行うPCだけ、UTC設定をします 2.詳細 参考資料に沿って確認と設定をします。 $ date $ timedatectl | grep 'Time zone' と実行して、Time zone: Asia/Tokyo (JST, +0900)を確認します $ sudo timedatectl set-timezone UTC でtimezoneをUTCに変更します。 $ date $ timedatectl | grep 'Time zone' と実行して、 Time zone: UTC (UTC, +0000)を確認します。 3.所見 クラウド環境を利用するとローカルPCとのTimezoneの差を認識します。特に...