我有一個PDF文件，我想驗證鏈接是否正確。在某種意義上適當 - 所有指定的URL都鏈接到網頁，並且沒有任何內容被破壞。我正在尋找一個簡單的實用程序或腳本，它可以很容易地做到這一點？！如何驗證PDF文件中的鏈接
例子：
$ testlinks my.pdf
There are 2348 links in this pdf.
2322 links are proper.
Remaining broken links and page numbers in which it appears are logged in brokenlinks.txt
我不知道類似的東西是否存在，所以一派&計算器中搜索也。但是沒有找到有用的東西。所以想要任何人有任何想法！
更新：使問題明確。
我建議您先使用Linux命令行實用程序「pdftotext」 - 你可以找到手冊頁：
該實用程序的PDF處理工具的xpdf集合的一部分，可用在大多數Linux發行版上。請參閱http://foolabs.com/xpdf/download.html。
一旦安裝，您可以通過pdftotext處理PDF文件：
pdftotext file.pdf file.txt
一旦處理，一個簡單的Perl腳本，搜索http網址生成的文本文件，並使用LWP::Simple檢索它們。 LWP ::簡單 - >獲取（「HTTP：// ...」），將允許您使用的代碼片段，如驗證網址：
use LWP::Simple;
$content = get("http://www.sn.no/");
die "Couldn't get it!" unless defined $content;
這將完成你想要做什麼，我想。有豐富的資源如何寫正則表達式匹配的HTTP URL，而是一個非常簡單的一個是這樣的：
m/http[^\s]+/i
「HTTP後面跟着一個或多個不空格字符」 - 假設網址屬性URL編碼。
有兩個查詢與您的問題。
你在尋找正則表達式驗證鏈接是否包含關鍵信息，例如http：//和有效的TLD代碼？如果是這樣，我相信一個正則表達式專家會放棄，或者看看regexlib.com，其中包含大量用於處理URL的現有正則表達式。
或者你想驗證一個網站存在，那麼我會推薦Python + Requests，因爲你可以腳本檢查，看看網站是否存在，並不返回錯誤代碼。
這是一個我目前在工作中完成相同目的的任務。我們有大約54k鏈接自動處理。
我的問題是驗證鏈接是否沒有壞掉！謝謝。我已經正確更新了這個問題。 – user379997
當到達它們時，斷開的鏈接是否被定義爲不正確的http語法或HTTP錯誤？ –
http錯誤 - 沒有這樣的頁面錯誤！ – user379997
收集鏈接方式：
使用API，或者傾倒文字和linkifying的結果，或者保存爲HTML PDFMiner枚舉鏈接。
請求檢查它們：
根據您的需要，有太多的選項。
您可以使用pdf-link-checker
PDF鏈接檢查器是一個簡單的工具，分析了斷開的超鏈接PDF文檔和檢查。它通過向給定文檔中找到的每個鏈接發送簡單的HTTP請求來完成此操作。
要在GNU/Linux的安裝：
pip install pdf-link-checker
不幸的是，一個依賴（pdfminer）被打破了。修復它：
pip uninstall pdfminer
pip install pdfminer=20110515
無論如何，我會用這些實用程序寫我自己的腳本！ – user379997