(jp_origin)README.md

NDL-onlinePDFMerger

NDL onlineからダウンロードしたPDFの結合と整理をします

1. フォルダの準備

PDFをダウンロードするフォルダと、結合したPDFを保存するフォルダを用意してください

2. パスの指定

source_path = 'PDFをダウンロードするフォルダのパス'
library_path = '結合したPDFを保存するフォルダのパス'

3. PDFのダウンロード

ダウンロード先は当然source_pathに指定したフォルダ

metadataがちゃんと保存されるように(そして負荷をかけないために)、「PDFファイルを開く」を右クリックして「名前をつけてリンク先を保存」からダウンロード

個人送信対応の資料の場合

「印刷」からPDFをダウンロードする

1-50,51-100,101-150のように、50コマずつ指定してダウンロードする必要がある

ログインなしで閲覧可能な資料の場合

「印刷」か、下部にある「ダウンロード」からPDFを選択し、すべてのコマをダウンロードする

4. PDFファイルの結合と振り分け

欲しい資料をダウンロードし終えたら、NDL-onlinePDFMerger.pyを実行する

結合の仕様

資料についている永続的識別子ndl_idに基づいて各資料を結合します

結合の順番

「名前をつけてリンク先を保存」を選択時に自動で付与された括弧つきの連番を利用してソートし、結合します

metadata

最初に保存されたPDFファイル（括弧つきの連番がついてないPDFファイル）につけられているmetadataを、結合後のPDFファイルに付与します

ファイル名

ダウンロード時のファイル名とあまり変わらないように、

merged_file_name = 'digidepo_' + ndl_id + '_merged.pdf'

で保存します

振り分けの仕様

metadataのうち、/Keywordsを利用してPDFファイルを振り分けます

フォルダを作成

library_pathの下に、二つのフォルダを作成します

/Keywordsに含まれる、著者とタイトルKeywords_title_author、出版社Keywords_publisher、出版年Keywords_yearのデータを利用して、

folder_name = Keywords_publisher + '_' + Keywords_year + '_' + ndl_id + '_' + Keywords_title_author
library_output_path = os.path.join(library_path, Keywords_publisher, folder_name)
os.makedirs(library_output_path, exist_ok=True)

と、「出版社の階層」の下に、「出版社_出版年_ndl_id_著者とタイトルの階層」を作ります

すなわち、D://hogehoge/中央公論社/中央公論社_昭和10_1234567_矢田插雲 著『太閤記』第9巻のような形式です