linux - 将 PDF 的内容打印到命令行

Question

我正在寻找一个命令行程序，它将打印出 PDF 文件的文本，就像cat文本文件一样。

我找到pdftotxt了，这将是可行的，但我更喜欢复制cat功能的东西，因为我想通过管道传输到grep. 谢谢！

Answer 1

在手册页上pdftotext，我发现了这个：

pdftotext [选项] [PDF 文件 [文本文件]]

说明 Pdftotext 将可移植文档格式 (PDF) 文件转换为纯文本。

Pdftotext 读取 PDF 文件 PDF-file，并写入文本文件 text-file。如果未指定 text-file，则 pdftotext 将 file.pdf 转换为 file.txt。如果 text-file 是“-”，则将文本发送到标准输出。

因此输出到stdout以管道grep使用它：

pdftotext mydoc.pdf - | grep mysearchterm

Answer 2

也许你可以试试这个：https ://github.com/luochen1990/nodejs-easy-pdf-parser

它是一个 npm 包，您需要安装 nodejs（和 npm）才能使用它。

它可以用作命令行工具：

npm install -g easy-pdf-parser
pdf2text test.pdf > test.txt

这个工具会根据它们的 y 坐标对文本行进行排序，所以它在大多数情况下都很好用。它也适用于 unicode 和跨平台（作为比较：mingw64pdftotext会在 windows 上丢失 unicode 字符）。