我正在寻找一个命令行程序,可以像文本文件的cat
命令一样打印出PDF文件的文本内容。
我已经找到了pdftotxt
,它可以工作,但我更喜欢复制cat
的功能,因为我想使用grep
进行管道操作。谢谢!
我正在寻找一个命令行程序,可以像文本文件的cat
命令一样打印出PDF文件的文本内容。
我已经找到了pdftotxt
,它可以工作,但我更喜欢复制cat
的功能,因为我想使用grep
进行管道操作。谢谢!
在 pdftotext
的 man 页面中,我找到了以下内容:
pdftotext [选项] [PDF-文件 [文本文件]]
描述 Pdftotext 可将便携式文档格式(PDF)文件转换为纯文本。
Pdftotext 读取 PDF 文件 PDF-文件,并将文本写入文本文件 text-file。如果未指定文本文件,则 pdftotext 将 file.pdf 转换为 file.txt。如果文本文件是“-”,则文本被发送到 stdout。
因此,要输出到 stdout
并使用管道传递给 grep
,请使用以下命令:
pdftotext mydoc.pdf - | grep mysearchterm
sudo apt-get install poppler-utils
,OSX安装:brew install poppler
。 - kenorbnpm install -g easy-pdf-parser
pdf2text test.pdf > test.txt
pdftotext
在Windows上会丢失Unicode字符)。(node:3972) UnhandledPromiseRejectionWarning: TypeError: Cannot read property 'Pages' of undefined
。 - masterxilo
pdftk
。(而且你可以查看data_dump
命令,看看是否可以从中获取到有用的信息...) - dmckee --- ex-moderator kittenpdftk dump_data
并不会将PDF内容转换为文本,它只是将PDF的元数据转储到一个文本文件中。 - Dennis