在perl中解析pdf

Question

我想從pdf中提取一些信息。我正嘗試使用CAM::PDF模塊中的getpdftext.pl。當我運行$~ getpdftext.pl sample.pdf時，它會生成一個pdf文本到stdout。

但我想寫這個文本文件並解析perl中的必需字段。有人可以請指導我如何做到這一點？

但是，當我嘗試在我的Perl腳本中調用pdftotext.pl我得到一個No such file錯誤。

#program從PDF提取文本，並將其保存在文本文件中

use PDF; 

use CAM::PDF; 

use CAM::PDF::PageText; 

use warnings; 

use IPC::System::Simple qw(system capture); 

$filein = 'sample.pdf';                 
$fileout = 'output1.txt'; 

open OUT, ">$fileout" or die "error: $!"; 

open IN, "getpdftext.pl $filein" or die "error :$!" ; 

while(<IN>) 
{ 
    print OUT $fileout; 
} 

Answer 1

見perldoc -f open。你想獲取外部命令的輸出流，並將其用作Perl腳本中的輸入流。這就是-|模式是什麼：

open my $IN, '-|', "getpdftext.pl $filein" or die $!; 
while (<$IN>) { 
    ... 
} 

Answer 2

它可能會更容易使getpdftext.pl做你想做什麼。

使用來自getpdftext.pl的代碼，這個（未經測試的代碼）應該輸出pdf到一個文本文件。

my $filein = 'sample.pdf';                 
my $fileout = 'output1.txt'; 

my $doc = CAM::PDF->new($filein) || die "$CAM::PDF::errstr\n"; 
open my $fo, '>', $fileout or die "error: $!"; 

foreach my $p (1 .. $doc->numPages()) { 
    my $str = $doc->getPageText($p); 
    if (defined $str) { 
     CAM::PDF->asciify(\$str); 
     print $fo $str; 
    } 
} 

close $fo;