某新聞社のサイトから陸自のイラク日報をダウンロードするPythonスクリプト

別に普通にダウンロード用のソフト使えば済むんだけど勉強を兼ねて。

Pythonのライブラリのお陰でろくに勉強になっていないけど、BeautifulSoup4でやろうとしたらnth-of-type()が空振りするんでlxmlに逃げました。

情報公開請求？で入手した文書の著作権はあくまでも行政側のはずなんで、煮るなり焼くなり自由という認識。

実行にはpipまたはpip3でlxmlとrequestsをインストールする必要ありです。

PDFのプロパティによると"docuCentre-IV 7080"って複合機でPDF化してる模様。紙の山を人海戦術でPDF化したのか、業務用ならADFが付属しているか。

ところどころモロに斜めになっているのはもとからか?

Python スクリプト

普通にDropboxとかで共有してくれてもいいのよ?って感じです。もしくは「ZIPでくれ」ても構わないと思うけど。

ディレクトリの存在確認とかダウンロード時の時間待ち処理とか入れたほうがいいかも。

画像なんだよね、このPDF群。健常者はいいけど資格に問題のある人はこの文書、読めないんですよ。

これはもうOCRするしかないね。

中身は殆ど見てないのでお楽しみはこれから。

黒塗りの是非はともかく、日報が行政文書ってのはたしかにズレている気がする。情報公開請求テロというのは流石に笑うよ。