Potrzebuję plików PDF do tekstu, aby móc wyszukiwać je zbiorczo z wiersza polecenia. Czy jest jakiś konwerter dla Ubuntu, OBSD lub podobnej dystrybucji?
Caliber „s ebook-convertprogramu poleceń (lub sam kaliber) ma innej opcji; potrafi konwertować PDF na zwykły tekst lub inny format ebook (RTF, ePub), moim zdaniem generuje lepsze wyniki niż pdftotext, chociaż jest znacznie wolniejszy.
ebook-convert file.pdf file.txt
AbiWord może konwertować między dowolnymi znanymi formatami z wiersza poleceń i przynajmniej opcjonalnie ma wtyczkę importu PDF:
Calibre's ebook-convert ... Czy widziałeś, co robi z ligaturami? bleargh. powiedzmy to tak: nie jest to bardzo skuteczny program. pdftotext jest znacznie bardziej wierny. nigdy nie odkryłem żadnych błędów w danych wyjściowych.
ixtmixilix
1
Możesz użyć mniej do przeglądania plików pdf jako tekstu. Wywołuje preprocesor, tj. Lesspipe, do wywoływania pdftotext lub podobnych narzędzi.
Daniel Näslund,
pdftotextdaje dokładniejsze wyniki niż ebook-converti jest bardzo szybki. ebook-convertjest powolny.
Amit Patel
pdftotextz -layoutopcjami skały! calibrewymaga instalacji ponad 600 MB! To szalone)
Stalinko
9
Możesz konwertować pliki PDF na tekst w wierszu poleceń za pomocą pdftotext (Ubuntu: poppler-utils ; OpenBSD: xpdf-utilspakiet).
Możesz użyć Recoll
(Ubuntu: recoll ; OpenBSD: brak portu, ale jest jeden dla FreeBSD .) Do przeszukiwania różnych sformatowanych typów dokumentów tekstowych, w tym PDF. Jest GUI i automatycznie buduje indeks pod maską. Służy pdftotextdo konwersji plików PDF na tekst.
Acrobat Reader (przynajmniej wersja 9 pod Linuksem) ma ograniczone możliwości wyszukiwania wielu plików (możesz wyszukiwać we wszystkich plikach w katalogu).
pdftotext jest prawdopodobnie tym, czego szukasz: http://en.wikipedia.org/wiki/Pdftotext, chyba że tekst, który chcesz wyodrębnić, jest w rzeczywistości w formie graficznej, co nie jest tak powszechne w przypadku dokumentów pdf.
Witam i witam na stronie. Chcemy, aby odpowiedzi były tutaj nieco bardziej wyczerpujące. Na przykład możesz dodać, gdzie gPDFTextmożna uzyskać, w jaki sposób można go zainstalować i jak posłużyć do udzielenia odpowiedzi na pytanie PO.
pdftotext=pdfcat.Odpowiedzi:
Masz wiele opcji!
pdftotextz popplera już wspomniano.Istnieje program Haskell o nazwie,
pdf2linektóry działa dobrze.Caliber „s
ebook-convertprogramu poleceń (lub sam kaliber) ma innej opcji; potrafi konwertować PDF na zwykły tekst lub inny format ebook (RTF, ePub), moim zdaniem generuje lepsze wyniki niż pdftotext, chociaż jest znacznie wolniejszy.ebook-convert file.pdf file.txtAbiWord może konwertować między dowolnymi znanymi formatami z wiersza poleceń i przynajmniej opcjonalnie ma wtyczkę importu PDF:
abiword --to=txt file.pdfJeszcze inna opcja pochodzi
podofotextextractz biblioteki narzędzi podofo PDF. Tak naprawdę tego nie próbowałem.Jeśli połączysz dwa narzędzia Ghostscript
pdf2psips2asciimasz jeszcze jedną opcję.Mogę wymyślić jeszcze kilka metod, ale na razie zostawię to. ;)
źródło
pdftotextdaje dokładniejsze wyniki niżebook-converti jest bardzo szybki.ebook-convertjest powolny.pdftotextz-layoutopcjami skały!calibrewymaga instalacji ponad 600 MB! To szalone)Możesz konwertować pliki PDF na tekst w wierszu poleceń za pomocą pdftotext (Ubuntu: poppler-utils ; OpenBSD:
xpdf-utilspakiet).Możesz użyć Recoll (Ubuntu: recoll ; OpenBSD: brak portu, ale jest jeden dla FreeBSD .) Do przeszukiwania różnych sformatowanych typów dokumentów tekstowych, w tym PDF. Jest GUI i automatycznie buduje indeks pod maską. Służy
pdftotextdo konwersji plików PDF na tekst.Acrobat Reader (przynajmniej wersja 9 pod Linuksem) ma ograniczone możliwości wyszukiwania wielu plików (możesz wyszukiwać we wszystkich plikach w katalogu).
źródło
pdftotext jest prawdopodobnie tym, czego szukasz: http://en.wikipedia.org/wiki/Pdftotext, chyba że tekst, który chcesz wyodrębnić, jest w rzeczywistości w formie graficznej, co nie jest tak powszechne w przypadku dokumentów pdf.
źródło
gPDFText konwertuje treść ebook PDF na tekst ASCII, sformatowany dla akapitów długich linii, Działa dla mnie i ma interfejs graficzny.
źródło
gPDFTextmożna uzyskać, w jaki sposób można go zainstalować i jak posłużyć do udzielenia odpowiedzi na pytanie PO.