mminky's

pdftotree를 이용해서 pdf를 html(tree구조)로 변경해야 하는 일이 있었다.

하지만 잘 쓰이지 않는지 코드가 나와있는 블로그가 거의 없었다.

나와 같이 헤멨던 분들에게 이 글이 도움이 되었으면 좋겠다. (도움이 되면 공감버튼 꾹!!)

[ pdftotree 깃허브 ]

https://github.com/HazyResearch/pdftotree

(사실 봐도 잘 모르겠다.. 설치 방법 외에는..)

* pycharm에서 install을 했더니 잘 되지 않는 것 같아 jupyter notebook을 이용했다.

(이용방법은 더보기 참고)

더보기

--------------------(더보기)--------------------

[jupyter notbook 이용해서 하는 법]

 

우선 anaconda prompt를 실행한다.

 

 

jupyternotebook을 실행하고 싶은 폴더로 이동 후 실행한다.

그리고 이 폴더에 변환 할 pdf파일을 넣을 것이다.

#원하는폴더로 이동
(base) C:\Users\min>cd 폴더명

# jupyter notebook 실행
(base) C:\Users\min\jupyter>jupyter notebook

 

코드를 입력하고 엔터치면 새 인터넷 창이 뜨면서 jupyter notebook이 실행된다.

 

여기 보이는 ipynb 파일을 클릭해서 코드를 입력해주면 된다.

 

코드 입력 후 Ctrl+Enter를 누르면 해당 셀이 실행된다.

--------------------(더보기)--------------------

1) pdf 준비

* hwp(한글)파일을 이용할 때는 웹을 이용하자! (추천사이트 https://allinpdf.com/hwp-to-pdf )

한글프로그램에서 pdf로 출력/저장 이렇게 해서 pdf를 만들면 에러가 많이 발생하는 것 같다.

준비한 pdf를 jupyter notebook 파일(ipynb)이 있는 폴더에 넣는다. (위의 예시에서는 C:\Users\min\jupyter )

2) pdftotree 코드 실행

pdftotree 설치

pip install pdftotree

import 해오기

import pdftotree

* pip install pdftotree와 import pdftotree는 따로 하는 걸 추천한다.

   jupyter notebook(아래참고)에서 같은 셀에 하면 에러가 발생하기도 함.

코드

f_name='파일이름' #확장자는 필요없음
f_name_pdf=f_name+'.pdf'
#table을 포함 한 문서의 경우 model_type='table'로 해주는게 좋음
result = pdftotree.parse(f_name_pdf,html_path=None, model_type='table',model_path=None,visualize=False)

# 변경할 html 파일이름 생성
f_name_html=f_name+'.html'

# 유니코드 문제 해결
with open('out.html','w',-1,'utf-8') as f:
    f.write(result)
    
#전처리 코드(테이블 가시성 높임)
import re
file = open('out.html', 'r', encoding='utf-8')
text = file.read()

text = text.replace('\\n\\t', ' ')
text = text.replace('\\t', '')

text = text.replace('<table', '<table border=\'1\'')

new_file = open(f_name_html, 'w', encoding='utf-8')
new_file.write(text)
new_file.close()

file.close()

---------------------------------------------

약간 파일 이름을 하나하나 입력하기가 귀찮아서

폴더 내에 있는 파일들을 list로 읽어와서 변환해주는 코드를 짜봤다.

[ 폴더 내 pdf파일들을 html로 전환하기 ]

#-------를 기준으로 jupyternotebook에서 셀을 나눴다.

# pdftotree설치
pip install pdftotree
#-------------------------------------------
#import 해주기
import pdftotree
#-------------------------------------------

# [파일 이름 읽어오기]
import os
#path_dir할 때 \ -> / 바꿔주기
#이 코드가 위치 한 디렉토리로 설정해주기!
path_dir='C:/Users/min/jupyter'
file_list=os.listdir(path_dir)
print(file_list)
#-------------------------------------------

# [ pdf 파일만 골라서 html로 ]
for f_name_pdf in file_list:
    idx=file_list.index(f_name_pdf)    
    
    # 파일명 (.pdf) '' 인 것들만 고르기!
    fn=f_name_pdf.split('.pdf')
    if(len(fn)<2 or fn[1]!=''): # .oldPdf 이렇게 확장자 다른 애들은 len(fn)==1
        print('continue: ',fn)
        continue
    f_name_html=fn[0]+'.html'
    
    try:
        result = pdftotree.parse(f_name_pdf,html_path=None, model_type='table',model_path=None,visualize=False)
    except:
        print('continue')
        continue 
        
    with open('out.html','w',-1,'utf-8') as f:
        f.write(result)
    
    #전처리 코드
    import re
    file = open('out.html', 'r', encoding='utf-8')
    text = file.read()

    text = text.replace('\\n\\t', ' ')
    text = text.replace('\\t', '')

    text = text.replace('<table', '<table border=\'1\'')
	
    # f_name_html.html파일에 출력
    new_file = open(f_name_html, 'w', encoding='utf-8')
    new_file.write(text)
    new_file.close()

    file.close()

* 실행 전

* 실행 후

※ 제 글이 도움이 되었다면 공감 부탁드려요 :)

[ 코드 ]

import re
# 패턴 넣으면 정규표현식 이용해서 해당하는 것 리스트로 리턴(find)
def match_dna_list(pattern_s, content_s):
    pattern_s_r = pattern_s.replace('_', '.')
    # pattern_s_r='(?=(.A....))'
    pattern_s_r = '(?=(' + pattern_s_r + '))'
    find = re.findall(pattern_s_r,content_s)

    #print(find)
    return find


with open ('3.inp','r') as f:
    #.strip()을 해줘야 \n 이 없어짐
    # \n 이 있으면 완전 다른 문자가 되기 때문에 findall()하면 안 나옴
    pattern = f.readline().strip()

    # 나머지부분 읽음
    dna_seq=''
    for i in f:
        dna_seq += i.strip()

    with open('dna.out', 'w') as f2:
        # find 안에 값이 있다면
        if ( match_dna_list(pattern,dna_seq) ):
            f2.write('\n'.join(match_dna_list(pattern,dna_seq)))
        else:
            f2.write('No')

[ 결과 ]

3.inp

_A____
CCCCCCCCCCCCCAAAATTTTTTTTGGGGGGGGGAAATTT

dna.out

----------------------------

* 정규표현식에서 모든 문자는 . 이다.

pattern_s_r = pattern_s.replace('_', '.')

* 겹치는 문자를 찾는 방법은 다음과 같다.

(?=( 패턴 )) 형식으로 만든 후 findall에 넣어준다.

pattern_s_r = '(?=(' + pattern_s_r + '))'
find = re.findall(pattern_s_r,content_s)

* 리스트로 return된 값을 '\n' 기준으로 출력하는 방법.

단, 마지막은 \n 없이 출력한다.

'\n'.join(출력원하는리스트)

print('\n'.join(match_dna_list(pattern,dna_seq)))

이때, 정수 리스트인 경우는 다음과 같이 map으로 str로 변경해준다.

list1=[1,2,3]
print('\n'.join(map(str,list1)))

* 문제

https://www.acmicpc.net/problem/15973

[ 코드 ]

# box1의 a점(ax,ay), box1의 b점(bx,by)
ax,ay=0,0
bx,by=0,0
# box2의 c점, d점
cx,cy=0,0
dx,dy=0,0

def point(ax,ay,bx,by,cx,cy,dx,dy):
    if((ax,ay)==(dx,dy) or (bx,by)==(cx,cy) or (bx,ay)==(cx,dy) or (ax,by)==(dx,cy)) :
        return True

    else:
        return False

def line(ax,ay,bx,by,cx,cy,dx,dy):
    # 꼭짓점 하나 일치
    if(((bx,by)==(cx,dy) and by>cy) or (((bx,ay)==(cx,cy) and dy>ay))
    or((dx,cy)==(ax,ay) and by>cy) or ((dx,dy)==(ax,by) and dy>ay)
    # 변 일치
    or ((bx,by)==(cx,dy) and (bx,ay)==(cx,cy)) or ((ax,ay)==(dx,cy) and (dx,dy)==(ax,by))
    or ((cx, cy) == (ax, by) and (bx, by) == (dx, cy)) or ((ax, ay) == (cx, dy) and (dx, dy) == (bx, ay))
    # 그 사이(a,b의 한 변에 c,d가 겹침)
    or (ax==dx and (ay<cy<by or ay<dy<by)) or (bx==cx and (ay<cy<by or ay<dy<by))
    or (by==cy and (ax<cx<bx or ax<dx<bx)) or (ay==dy and (ax<cx<bx or ax<dx<bx))
    # 그 사이(c,d의 한 변에 a,b가 겹침)
    or (ax == dx and (cy < ay < dy or cy < by < dy)) or (bx == cx and (cy < ay < dy or cy < by < dy))
    or (by == cy and (cx < ax < dx or cx < bx < dx)) or (ay == dy and (cx < ax < dx or cx < bx < dx))
    # 내부 한 변 일치(ab안에 cd)
#    or (ay==cy and ax<cx<bx and ax<dx<bx and ay<dy<by) or (ax==cx and ay<cy<by and ay<dy<by and ax<dx<bx)
#    or (by==dy and ax<cx<bx and ax<dx<bx and ay<cy<by) or (bx==dx and ay<cy<by and ay<dy<by and ax<cx<bx)
    # 내부 한 변 일치(cd안에 ab)
#    or (ay==cy and cx<ax<dx and cx<bx<dx and cy<by<dy) or (ax==cx and cy<ay<dy and cy<by<dy and cx<bx<dx)
#    or (by==dy and cx<ax<dx and cx<bx<dx and cy<ay<dy) or (bx==dx and cy<ay<dy and cy<by<dy and cx<ax<dx)
    ):
        return True
    else:
        return False

def null(ax,ay,bx,by,cx,cy,dx,dy): #cy>by or ay>dy
    #dx<ax or bx<cx or min(cy,dy)>max(ay,by) or min(ay,by)>max(cy,dy)
    #우,좌,상,하 바깥에서 안 접할 때
    if(bx<cx or dx<ax or by<cy or dy<ay):
        return True
    #안에서 안 접할 때
    elif(bx-ax<dx-cx and by-ay<dy-cy and (cx<ax<dx and cx<bx<dx) and (cy<ay<dy and cy<by<dy)): #속에 들어감
        return True
    elif(bx-ax>dx-cx and by-ay>dy-cy and (ax<cx<bx and ax<dx<bx) and (ay<cy<by and ay<dy<by)): #속에 들어감
        return True
    else:
        return False


# main 함수
ax,ay,bx,by=map(int,input().split())
cx,cy,dx,dy=map(int,input().split())

if(line(ax,ay,bx,by,cx,cy,dx,dy)):
    print('LINE')
elif (point(ax,ay,bx,by,cx,cy,dx,dy)):
    print('POINT')
elif(null(ax,ay,bx,by,cx,cy,dx,dy)):
    print('NULL')
else:
    print('FACE')

[ 결과 ]

-----------------------------------------------------

case를 다 따져주는 것이 쉽지는 않은 것 같다.

아래의 그림을 보고 빠진 부분이 없는 지 확인해보면 좋을 것 같다 :)

* point

* line

* null

※ 제 글이 도움이 되었다면 공감 부탁드려요 :)

[ 코드 ]

#(r,c)가 편해서 백준과 반대로 받음
#변수는 내 맘대로받는거니깐
r,c=map(int,input().split())
idx=int(input())

# 답 찾는 함수
def find_ans(p):
    if(p>r*c): #out of range
        print(0)
    for i in range(r):
        for j in range(c):
            if(arr[i][j]==p):
                print(i+1,j+1)

# 배정 된 표 만들기
arr=[[0 for _ in range(c)]for _ in range(r)]
x,y=0,-1
num=1 #넣을 번호
add=1 #1 or -1
for i in range(c,0,-1):
    j=i+(r-c-1)
    for _ in range(i):
        y+= add
        arr[x][y] = num
        num+=1
    for _ in range(j):
        x+=add
        arr[x][y]=num
        num+=1
    add*=-1 #방향 바꿈


find_ans(idx)

직접 표를 만들어서 찾는 방식으로 코딩했다.

85%까지는 느리게 느리게 채점이 되더니 결국 틀렸다고 한다..ㅠ

다음에 좀 더 보완해야겠다!

파이썬에서의 2차원 배열은 2차원 리스트이다.

근데 이게 col, row가 조금 헷갈려서 정리 해 둔다.

우선 5*3 리스트를 만든다.

arr = [[0 for _ in range(c)] for _ in range(r)]

  -> 이 코드를 통해 0으로 초기화 시킬 수 있다.

  [0을 c(=5)만큼 리스트로 만들고] 그거를 r(=3)만큼 리스트로 만들어라.

  이런 의미이다.

r,c  = 5,3
arr = [[0 for _ in range(c)] for _ in range(r)]
arr[2][0]=1
print(arr)

[ 결과 ]

----------------------------------

나는 다음과 같이 출력될 줄 알았다.

5*3 2차원 배열에서 (2,0)의 원소만 1로 변경 된 그림이다.

하지만 결과는 이렇게 출력되는 것 같다.

이거는 마치 다음의 그림처럼 세로로 읽은 결과로 보인다.

이러한 이유로 파이썬에서 2차원 배열을 만들 때는 주의를 기울여야 할 것 같다!

* 문제
https://www.acmicpc.net/problem/11729

[ 해결 원리 ]
하노이탑 개념에 대해 그림으로 쉽게 설명해두었으니 참고하면 좋을 것 같다 :)
https://mminky.tistory.com/116

[ 코드 ]
**하노이탑 파이썬 - 시간초과가 떴다면**
print(count) 대신 print(2**n - 1) 를 해라!
-> 하노이탑의 총 옮긴 횟수는 2^n - 1으로 정해져 있다.
(하지만 개인적으로 옮길 때 마다 count를 증가시켜서 총 count를 출력하는 게 맞다고 생각한다.
근데 그렇게 하면 시간 초과가 된다..)

import sys input=sys.stdin.readline n = int(input()) #count = 0 #옮긴 횟수 #ans='' def hanoi(disk_num,from_peg,to_peg,tmp_peg): global count,ans if(disk_num==1): print(from_peg,to_peg) # ans += '{} {}\n'.format(from_peg,to_peg) # count += 1 return hanoi(disk_num-1,from_peg,tmp_peg,to_peg) print(from_peg,to_peg) # ans += '{} {}\n'.format(from_peg, to_peg) # count += 1 hanoi(disk_num-1,tmp_peg,to_peg,from_peg) print(2**n - 1) #count를 하니 시간 초과 뜸 # (처음)1 에서 (최종)3으로 이동함 # 2는 거치는 곳일 뿐! hanoi(n,'1','3','2') #print(count) #print(ans)

[ 결과 ]
와.. 진짜 시간초과 너무한거 아니냐고....
몇 번을 시도해서 결국 통과되었다.. 너무해..

[ 문제 ]

https://www.acmicpc.net/problem/13300

[ 코드 ]

#n: student num
#k : max people# in one room
n, k = map(int, input().split())
st = [[0]*2 for _ in range(6)] #성별2개 6학년

#입력
for _ in range(n):
    # st[학년][성별]
    s,y= map(int, input().split())
    st[y-1][s-1] += 1
#    print(st[y-1][s-1])

room_num=0
for a in range(6):#학년
    for b in range(2):#성별
        #print(st[a][b])
        #math.ceil써도 :)
        if(st[a][b]%k == 0):
            room_num += st[a][b]/k
        else:
            room_num += st[a][b]//k + 1
print(int(room_num))

[ 결과 ]

[ 문제 ]

https://www.acmicpc.net/problem/10828

[ 코드 ]

#시간초과 시 추가하면 좋은 구문
# https://www.acmicpc.net/board/view/44990
import sys
input=sys.stdin.readline

n = int(input()) #명령의 수
stack=[]

def push(x):
    #리스트의 마지막에 추가
    stack.append(x) #딱히 int(x)할 필요는 없을 듯

def pop():
    if(len(stack)==0):
        print(-1)
    else:
        print(stack.pop())

def size():
    print(len(stack))

def empty():
    if(len(stack)==0): #비면
        print(1)
    else: #안 비면
        print(0)

def top():
    if(len(stack)==0):
        print(-1)
    else:
        print(stack[-1])


for i in range(n):
    command=input().split() #push 1 같은 애들 분리
    if(command[0] == 'push'):
        push(command[1])
    if (command[0] == 'pop'):
        pop()
    if (command[0] == 'size'):
        size()
    if (command[0] == 'empty'):
        empty()
    if (command[0] == 'top'):
        top()

[ 결과 ]