java - 有没有办法使用 Java 从 PostScript（.ps、.eps）文件中提取文本？

Question

我正在为 Apache Tika 的 PDF 寻找类似于 PDFBox 的解决方案，但是，对于 PS 文件。

谢谢。

Answer 1

正如 James Black 所说，最好只是转换为 PDF 并使用您熟悉的工具。

但是，确实存在pstotext，它可以在例如 Ubuntu 世界中以它自己的包的形式获得。

Ghostscript 本身也带有 ps2txt 和 ps2ascii，它们也可以做到这一点。

Answer 2

您可以使用 Ghostscript 转换为 pdf，http://www.osalt.com/ghostscript，然后有各种库来处理 pdf。

这样做的好处是您只从 PDF 中提取，因此您可以处理其他格式，只要您可以将它们转换为 PDF。