使用腳本從pdf文檔獲取文本

如何使用腳本從pdf文檔獲取文本？我使用Windows和偶爾的Linux。使用腳本從pdf文檔獲取文本

這並沒有顯示使用谷歌搜索的很多努力，所以我只是把TIKA扔在這裏（http://tika.apache.org/） – mindandmedia 2012-02-25 11:02:53

在大多數Linux發行版中，您應該有pdftohtml。顧名思義，它可以將PDF轉換爲HTML。 HTML轉換爲純文本可以通過多種方式來實現，例如使用lynx -dump file.html

2012-02-25 11:28:27

謝謝。但是，如果文檔禁用了文本的複製，該工具不能複製文本...我想要在語音閱讀器中閱讀的文檔非常長。 – user1141649 2012-02-25 15:38:11

您可以在Linux上使用pdftotext命令（的poppler一部分）。

2012-02-25 11:48:56 uzsolt

謝謝。但是，如果文檔禁用了文本應對或者包含密碼，該工具就不能複製文本？ – user1141649 2012-02-25 15:36:30

我不知道，我沒有用textcopy-disabled pdf來試用它。你試過了嗎？ – uzsolt 2012-02-26 07:24:45

如果目標是使用鼠標從PDF中抓取文本，則應運行xpdf。它似乎沒有注意到安全設置。至少，我在我的Mac上運行的版本沒有。

2012-02-26 16:55:04 tchrist

回答