任何人都可以建議一個方法或庫，以大（100MB-4GB）的PDF文本編程？將大型PDF轉換爲文本的方法？
我通常使用pdftotext（poppler-utils），但它顯示大容量文件的「內存不足」消息，並且只有第一個6000左右的頁面在輸出文本文件中。
也許有辦法將這些PDF分割開來，然後運行pdftotext，也許有方法可以在不消耗內存的情況下成功運行更昂貴的調用，也許另一個庫是最好的...基本上，我很樂意聽到您的建議。感謝大家！
我們從PDF解析報紙和雜誌，並將它們轉換爲JPEG格式，但並不完全相同，但是當打開和解析imagemagick/ghostscript時，我們遇到同樣的問題。
我們的解決方案是將它們分成10頁以下的批次，每次解析一個批次，然後按順序放置結果，或者將文本追加到您存儲它的位置。
你很可能使用的ImageMagick/ghostscript的將它們分割爲較小的PDF文件，如果pdftotext不支持
當你有成千上萬的輸入PDF文件內頁。每個頁面可能包含文本，圖像和其他解壓縮的對象，可能會佔用x2或更多的內存。
所以，你可以用3000頁分割文件，像這樣： ：使用
分割你的代碼的PDF文件
pdfsplit input.pdf 1 3000 output1-3000.pdf
pdfsplit input.pdf 3001 6000 output3001-6000.pdf
運行pdftotext到PDF轉換爲文本文件;
然後終於合併的輸出文件：
cat output1-3000.txt output3001-6000.txt > output-all-pages.txt
您也可以使用關於步驟PDFSam效用手動分割文件（1）。