问题标签 [pdftotext]

在我的 Windows 7 PC 上，命令行输入“pdftotext myfile.pdf”会在与 myfile.pdf 相同的目录中创建一个 .txt 文件。但是，当我在具有相同 myfile.pdf 的 ubuntu-12.04 服务器上尝试相同的命令行输入时，我得到如下错误输出：

等等...

Windows 7 pdf 实用程序包是否与 Linux（来自 Poppler）上可用的不同？否则，相同的调用应该产生相同的结果，不是吗？

我在两台机器上使用相同版本的 xpdf。但是，在 Windows 7 PC 上创建的 .txt 文件与在 Ubuntu 12.04 linux 服务器上创建的文件不同。Windows 7 .txt 文件格式良好，带有许多换行符，使解析变得相当容易。但是，linux 版本根本不包含任何换行符。Windows 7 上的 pdftotext 是否有我需要在 Linux 上运行时显式调用的选项？

我有一个 HostGator VPS 服务器，并且希望能够运行（http://www.foolabs.com/xpdf/download.html）pdftotext的一部分。xpdf

在我的 Mac 上测试后，它运行良好，所以我将它安装在我的 VPS 服务器上。

我按照安装说明进行操作，一切都完美无缺：

1. 将可执行文件（xpdf、pdftotext 等）复制到 /usr/local/bin。

2. 将手册页（*.1 和 *.5）复制到 /usr/local/man/man1 和 /usr/local/man/man5。

3. 将 sample-xpdfrc 文件复制到 /usr/local/etc/xpdfrc

然后我测试了它：

如您所见，它找不到/lib64/libc.so.6. /lib64/libc.so.6但是，是否存在，如下所示：

然后我联系了 HostGator，他们告诉我它无法在我的服务器上运行，因为它找不到/lib64/libc.so.6，因此在 Centos 6 64 位上不可用。

如果这确实是真的，是否有任何替代方法可以pdftotext在此服务器上进行简单快速的转换？是否pdftotext可以针对不同的版本进行编译，或者我使用权限错误地安装了它？

我一直在使用 pdftotext 从 PDF 中提取文本。我也用 Ghostscript 做到了这一点。最近，一家实用程序提供商更改了他们的 PDF，因此这些方法无法提取其中的一部分。具体来说，我错过了到期日和到期总额。当我在阅读器中打开 PDF 时，可以突出显示、复制“缺失”文本并将其粘贴到外部编辑器中。当我在 Acrobat Pro 中打开它并查看内容（查看 -> 显示/隐藏 -> 导航窗格 -> 内容）时，我需要的文本就在那里。如何在不手动复制和粘贴的情况下将其取出？（这不是一个选择，因为我将在数千个 PDF 上执行此操作）？

这是我正在处理的一个例子。我已删除所有敏感数据：

链接到 PDF

编辑：我在发布此内容后注意到，当您点击文件的链接（托管在 Google Drive 上）时，它将允许您选择和复制页面上的大多数文本，但不是我缺少的内容。下载文件时，您可以在 PDF 阅读器中选择缺失的文本。

我正在读取系统中存在的所有 pdf 文件，并将其从命令行实用程序“pdftotext”写入文本文件“output.txt”，但是在读取结构不正确的文件（如图像的 pdf 文件和许多其他文件）时，它会引发一些错误，例如

我想要的是当它遇到第一个错误时，只需移动到下一个文件而不是读取同一个文件。我使用的是 Python 2.7。我的代码就像

这是从“pdftotext”读取 pdf 文件的示例代码。我想捕捉错误，以便继续阅读下一个 pdf。

我看过一篇关于这个的帖子。谢谢

我正在尝试使用 pdfMiner 解析 pdf 文件文本，但提取的文本被合并。我正在使用以下链接中的 pdf 文件。

PDF文件

我擅长任何类型的输出（文件/字符串）。这是将提取的文本作为字符串返回的代码，但由于某种原因，列被合并了。

我也尝试过 PyPdf2，但遇到了同样的问题。这是 PyPDF2 的示例代码

我也尝试过pdf2txt.py但无法获得格式化的输出。

我正在尝试构建一个可以读取 PDF 文件的应用程序。我使用本指南：

http://www.codeproject.com/Articles/14170/Extract-Text-from-PDF-in-C-100-NET

但不明白“文件”的含义是您计算机的整个网址。因为当我尝试它时，它说它的格式错误。

错误讯息：

错误 1 ​​方法“ExtractText”没有重载需要 1 个参数

我正在测试 pdftotext 作为poppler的一部分。它预装在我正在使用的共享主机上。我想添加包含语言包的 poppler 编码数据，以帮助解决诸如"Missing language pack for 'Adobe-GB1' mapping".

由于我似乎没有权限在我的共享主机 ( /usr/share/poppler) 上的推荐目录中安装编码数据，我如何告诉 poppler 我将数据放在哪里以便使用？

pdftotext 手册页似乎没有描述任何指向数据包的标志。

pdftotext 位于/usr/bin/pdftotext

我试过这个：

以这种方式echo "$PDF仅打印 .pdf 文件中的一些文本，在该文件中找到了我的单词“palindrom”，但我也想知道他在其中找到该单词的 .pdf 文件名。

里面有/"$DIRECTORY"/很多文件夹，.pdf 和 .txt 文件，所以我只需要返回文本转换与我的单词“palindrom”匹配的 .pdf 文件

谢谢

我想将 pdf 文件转换为文本文件，但某些 pdf 文件不适用于 pdfbox dll 作为比 Acrobat 5.x 更新的 acrobat 版本

请告诉我我是做什么的？