0

所以我有大量的 PDF 文件需要从中提取文本。这些文件是加密的，但我知道它们的密码。我正在寻找一种方法来自动化提取文本的过程。

我可以在 Acrobat Professional 中手动打开文件，通过输入密码删除安全性，然后另存为 .txt 文件。但是没有办法通过批处理 600 个文件来自动化它。

我正在寻找一些工具来帮助解决这个问题。我很擅长 Perl，所以我尝试了 CPAN 的各种 PDF 处理模块，但它们无法读取加密的文档。有人对此有任何解决方案吗？

4

7 回答 7

4

看看pdftk。它基于控制台并处理受密码保护的 PDF 文件。

于 2008-10-24T14:24:15.067 回答
3

pdftotext 应该能够做到这一点。它带有 poppler 库，也可以在 xpdf 中找到（poppler 来自 xpdf）。

于 2008-10-24T10:26:53.780 回答
1

尝试pdftk：

pdftk secure.pdf input_pw foopass 输出 unsecured.pdf

于 2008-10-27T14:21:40.803 回答
1

您可以尝试使用PDF Password Cracking实用程序的特殊功能

它被称为“解密”选项 - 您可以填写密码，然后制作一份不受保护的 PDF 文件副本

于 2012-08-13T07:31:04.827 回答
0

CAM::PDF是一个开源 Perl 库，可以加密和解密 PDF。目前它只能在所有者和用户密码相同的情况下进行 40 位加密，但就在今天（巧合）一个用户提交了一个补丁，允许 128 位加密和解密。我希望在下周发布一个具有该增强功能的新版本。

不过，CAM::PDF 不太擅长提取文本。

于 2008-10-25T03:17:58.500 回答
0

我同意 Desstan，AutoIt 或 AutoHotkey 可用于使用 GUI 自动化任何无法通过其他方式自动化的任务。虽然它可能很慢并且可能会在意外情况下停止（加上学习曲线，但至少 AutoHotkey 论坛非常有帮助，尽管需要 Acrobat Professional 为其编写脚本......）。

事实上，Xpdf似乎是一个有趣的工具，包括文本提取器和支持解密。

于 2008-10-24T11:59:56.997 回答
-1

如果您找不到任何体面的纯程序化方式来做这件事，另一种选择是AutoIt。

它是“一种为自动化 Windows GUI 而设计的类似 BASIC 的免费软件脚本语言”，它可以在您去喝咖啡时为您完成所有的指向和点击操作。

于 2008-10-24T10:22:29.500 回答