大量のPDFの文字数を一気に数えたい
PDFの文字数を数えたときのメモです。
流れとしては以下となります。
事前準備
popplerというパッケージソフトをインストール
Homebrewを使えば以下コマンドでOKです。
$ brew install poppler
文字数カウント方法
手順
手順は以下となります。
- popplerの中のpdftotextというソフトでpdfをテキストファイルに変換
- catコマンドでテキストファイルを1つのファイルにまとめる
- テキストファイルの文字数を数える
スクリプトにまとめたので、pdfファイルが入ったフォルダで以下2行を実行すればOKです。
$ wget https://raw.githubusercontent.com/karaage0703/scripts/master/wordcount_all_pdf.sh
$ bash wordcount_all_pdf.sh
シェルスクリプトの中身
中身は以下となっています。
# !/bin/bash
for f in *.pdf
do
echo $f
pdftotext $f
done
cat *.txt > all.txt
wc -m all.txt
もっと良い感じの書き方あれば教えてください。
まとめ
MacでのPDF文字数の数え方を簡単にまとめました。最近、本を執筆したので、その文字数を数えたくなり調べたものです。
ちなみに文字数は約26万字（257837）でした。一般的な書籍は10万字程度と聞いていたので、かなり多いですね。技術書なので、プログラムのコードが多いためかもしれません。もしくは、うまく数えられていないのかも…
ちなみに、書籍は以下となります（宣伝です）。AI初心者向けの本となります。興味ある方はよろしければ。
AIの初心者向けの独学本「からあげ先生のとにかく楽しいAI自作教室」を執筆しました