问题标签 [xpdf]

我一直在试图弄清楚如何将源代码从 xpdf ( http://www.foolabs.com/xpdf/download.html ) 导入到 Visual Studio Express 2013 中，以便我可以利用 pdftotext 函数。有人可以帮我完成所需的步骤吗？

我正在使用 pdftoppm 从 pdf 文件中提取页面，因此以后可以使用 ImageMagick 将生成的 pbm 文件转换为多页 tiff。我已经使用以下代码使其工作：

但是，对于每个项目，即使我有 -q 标志来防止它们被写入输出，我也会不断收到这些错误：

错误：“符号”没有显示字体

错误：“Zapf Dingbats”没有显示字体

这是程序的已知错误，还是我应该采取其他措施来防止打印这些错误，因为它们会减慢我的程序速度？

我正在尝试制作一个网页以使用 xpdf 将 pdf 转换为文本文件。
下面是使用 xampp 在 Windows 上执行此操作的 php 代码。

现在我想在 linux VPS 上运行它。
我有一个具有 SSH 访问权限的 Cent OS VPS。我已经安装了 zpanel、xpdf（使用 yum install xpdf）。
现在我想，当我在浏览器中打开此 URL“www.website.com/convert.php”时，public_html 文件夹中的 test.pdf 文件应转换为同一文件夹中的 test.txt。

那么，我应该在 convert.php 中编写什么代码？

我有一个旧的 Linux 版本 (0.12.4)pdftotext运行没有问题，但我想在 Windows 7 机器上运行它。

xpdf-2.03-bin.exe我从http://gnuwin32.sourceforge.net/packages/xpdf.htm下载了似乎是最新版本的 Windows 安装程序。

我接受了所有安装程序的默认设置。当我在 Linux 版本正确处理的 PDF 文件上运行 Windows 7pdftotext时，我收到以下一系列错误消息：

我对这些错误消息进行了网络搜索，但我发现与这些错误相关的问题似乎都与我遇到的问题无关。

有没有人在 Windows 7 上遇到过这个问题pdftotext或知道如何解决？

到目前为止，使用pdfimages和mupdf/的图像提取工作正常。mutool

使用 FreePDF 生成的 PDF 中的图像总是被切片，因此一个图像会产生多个图像文件。

有什么技巧可以避免这种情况吗？我怎样才能使用 的结果pdfshow？将 PDF 转换为 PNG 或 JPEG 后，是否有坐标可以知道剪切/裁剪图像的位置、高度和宽度？

有一个pdf文档，我想把它转换成xml或者html。

由于pdf文档包含一些表格，当它转换为xml或html时，我不知道哪个是表格数据，哪个是文本。

我想获取表数据来存储数据库。

xpdf或mupdf可以做到吗？

谢谢。

我是 R 的初学者，在使用该tm软件包时遇到了一些麻烦。我需要从第 55 页到第 300 页中提取特定数据，并认为 R 可能是这样做的好方法。（如果有人有更好的主意，请告诉我！）我做了一些搜索，在安装了tm包和xpdf包之后，我尝试阅读这个并尝试了 zx8754 的解决方案，但没有成功。我怀疑它与 readPDF 命令有关——我得到以下信息：

readPDF(PdftotextOptions = "-layout") 中的错误：未使用的参数 (PdftotextOptions = "-layout")

我认为这与尝试将tm包和xpdf包一起使用有关，所以我阅读了 Tony Breyal 的解决方案（我不能发布超过 2 个链接），将 pdfinfo 和 pdftotext 作为环境变量（我在 Win 8 ) 并重新启动。我确定我遗漏了一些东西——现在我在 R 的工作目录中有 pdftotext.exe。任何人都可以帮我正确配置它，以便 tm 包正确调用 xpdf 文件并像它应该的那样 readPDF 函数？

再说一次，我对此很陌生，所以如果我离开了，请道歉。所有帮助将不胜感激。

提前致谢，

贾斯汀

我正在做一个需要将 PDF 转换为文本的项目。PDF 包含印地语字体（具体为 Mangal）和英语。

100% 的英语被转换成文本。印地语部分的转换率约为 95%。剩余的 5% 印地语文本要么以空白形式出现，要么像“ा”一样。我可以弄清楚重音字符没有正确转换为文本。

我正在使用以下代码：

PDF 使用以下字体

名称、类型、emb、sub、uni

ZDPKEY+Mangal，CID TrueType，是的，是的，是的

Mangal TrueType，不，不，不

Helvetica-Bold Type 1，不，不，不

CODUBM+Mangal-Bold，CID TrueType，是的，是的，是的

Mangal-Bold，TrueType，不，不，不

Times-Roman, Type 1 no, no, no

Helvetica，类型 1，不，不，不

以下是转换的结果。左侧是原始PDF。右侧是在记事本中打开的文本：

我的问题是 5% 的缺失/垃圾字符是否可以用开源包在 Text 中正确捕获？非常感谢您的投入！

正如标题所说，我在xpdf(pdftotext)中获取PDF的数据，但它包含页眉和页脚。现在我想删除页眉和页脚。如何制作？谢谢你。

我在 linux 服务器上运行一个网站，并尝试在终端中安装 pdfinfo（xpdf包的一部分）。我已登录 SSH shell 并解压缩了 .tar 文件。它里面是 pdfinfo 可执行文件，但是我似乎无法对它做任何事情或测试它是否有效。我需要安装它，以便我可以从 php 调用来给我 pdf 的尺寸（a la PHP Get height and width in Pdf file proprieties）

我已经能够在运行 WAMP 的 Windows 机器上本地安装 pdfinfo，但是我无法让它在服务器上运行。

请真的把它变小，并像在和孩子说话一样说出你的答案。我真的没有我的驾驶室与这个......