问题标签 [pdftotext]

我想在 PDF 文件中查找文本及其边界框。

似乎效果最好的工具是pdftotext（基于 XPDF）。

但是，我无法弄清楚如何在没有命令行的情况下使用此工具，也没有找到非命令行 API。我希望能够在不使用系统调用的情况下在 C++ 程序中使用它。

有谁知道如何做到这一点？

我正在阅读从 PDF 到 NSString 的文本。我使用下面的代码替换所有空格

但这也消除了段落空格和多行。我只想替换一次出现的 \n 或 \r 并保留段落空格或多个制表符和下一行。

我正在尝试从这里使用 pdf2text 库：

http://webcheatsheet.com/php/reading_clean_text_from_pdf.php

我的 pdf 包含捷克语的数据，并且该库在某些字符方面存在问题，即：

ř 替换为 Y Ž 替换为 } Kč 替换为 K\r .. 等等。

但其中一些是可以的，例如：í、ú、Ý。

替换正则表达式

[0-9a-f]

和

[0-9\x01-\x7F]

在图书馆里根本没有给我任何结果（老实说，我不擅长正则表达式）。用 mb_ 替换字符串函数也没有区别

示例数据：

Kupující: anna123 - 安娜托娃；Příjemce: Anna Tova, Jezborice 123, 530 02 Pardubice; 联系方式：AnnT@seznam.cz, 7211111 A1244 SVET_MODNI STYLOVÝ SVETR V.42-POUŽITÉ (5209214093)

给我的结果：

Kupující: anna123 - 安娜托娃；PYíjemce: Anna Tova, Jezborice 123, 530 02 Pardubice; 联系方式：AnnT@seznam.cz, 7211111 A1244 SVET_MODNI STYLOVÝ SVETR V.42-POU}ITÉ (5209214093)

谢谢

我正在尝试使用 pdftotext 将 .pdf 文件转换为文本，以便在 python 中进一步处理文件，但我遇到了以下问题：

它适用于某些 .pdf 文件，尽管我对某些文件的输出看起来像（这是错误的）：

当我看它时，在我看来，一个 0 字符恰好代表一个字符。

所以我的问题是，有什么可能是错的？以及如何修复 pdftotext 的输出？

我想从这里提取所有行，同时忽略列标题以及所有页标题，即Supported Devices.

生成的文件应为 CSV 电子表格格式（逗号分隔值字段）。

换句话说，我想改进上面的命令，使输出根本不会刹车。有任何想法吗？

我想将pdf转换为指定目录中的文本

这是我试过的代码

但它得到错误

我的代码有什么问题？

有没有办法从 nodejs 中的 PDF 中提取文本而没有任何操作系统依赖项（如 pdf2text 或 windows 上的 xpdf）？我无法在 nodejs 中找到任何“本机”pdf 包。它们始终是现有操作系统命令之上的包装器/实用程序。谢谢

需要将pdf报告转换为文本文件。PDF 由 Oracle Reports、Oracle10gR2 AS Reports Services 生成。

任何工具或指南都将不胜感激。

笔记 ：

我已经测试了以下内容，但是对于从 Oracle10gR2 AS Reports Services 生成的 PDF，生成的文本文件是无用的。

参考： http: //git.macropus.org/2011/11/pdftotext/example/

在这个项目中，开发人员将 pdf 作为输入并将其传递给变量“输入”。我想创建一个上传菜单/dropzone，以便任何人都可以上传他们的 pdf，它会自动传递给变量“input”并且可以提取文本。我能够上传文件 ，但不知道如何将该 pdf 传递给变量“输入”。

现在使用此表单将上传一个 pdf，现在我们必须将变量“input”传递给它。

我是 python、scrapy 和 web 抓取的新手，所以我的问题可能看起来很幼稚。对此表示歉意。

我想使用scrapy从pdf文件中提取数据。关于这个主题的stackoverflow有几个问题，我从给出的答案之一中查找并复制了以下代码。但是，我看不到任何输出。直接在代码中使用打印功能查看输出，尝试将返回值写入excel文件，但也没有显示任何输出。我也没有收到任何错误。

我正在使用的代码如下：

谁能指导我哪里出错了？

谢谢！图希纳