Tôi đã sử dụng texttopdf trên linux để trích xuất tất cả văn bản từ pdf nhiều trang, mọi thứ đều ổn, ngoại trừ mỗi trang có một căn chỉnh khác nhau, mặc dù trong pdf gốc không phải vậy, đây là một mẫu từ 3 trang đầu tiên:
Instructor First Number Students Who Number Students Who
Subject Course Section Instructor Last Name A B C D F
Name Completed the Class Dropped the Class
ACCT 201 01 Karin Hatheway Dial 56 6 19 9 16 2 5
ACCT 202 01 Karin Hatheway Dial 69 11 37 14 7 2 6
ACCT 205 01 Darryl Woolley 20 1 3 7 6 1 3
ACCT 205 02 Darryl Woolley 28 1 6 7 13 2
ACCT 205 03 Darryl Woolley 42 5 4 13 21 1 3
ACCT 205 04 Darryl Woolley 23 1 9 5 8 1
ACCT 205 05 Darryl Woolley 30 2 11 7 9 2 1
ACCT 205 06 Darryl Woolley 25 3 8 9 6 1 1
ACCT 275 01 Darryl Woolley 33 2 7 15 9 1 1
ACCT 310 01 Marla Kraut 16 1 1 6 7 2
ACCT 310 02 Marla Kraut 64 5 43 15 1
ACCT 310 03 Marla Kraut 72 3 11 47 10 3 1
ACCT 311 01 Karin Hatheway Dial 45 13 20 11 1
ACCT 311 02 Karin Hatheway Dial 25 10 12 3
ACCT 315 01 Jason Porter 26 6 5 8 6 1
ACCT 315 02 Jason Porter 29 1 6 10 5 7 1
ACCT 414 01 Teresa Gordon 22 1 6 6 9 1
ACCT 483 01 Glen Utzman 26 1 7 13 6
ACCT 486 01 Teresa Gordon 33 13 14 6
ACCT 492 01 Jason Wills 23 5 8 9 1
ACCT 515 01 Jeffrey Harkins 15 7 6 1
ACCT 561 01 Jason Porter 18 1 10 7 1
ADOL 526 13 Charles Gagel 21 2 19 1 1
ADOL 573 13 Martha Yopp 28 16 3 1
ADOL 574 01 Laura Holyoke 16 12 3 1
ADOL 574 11 Laura Holyoke 9 1 8 1
ADOL 574 13 Laura Holyoke 15 10 4 1
ADOL 600 13 Roger Scott 19 4 1
AERO 101 01 William Beauter 11 8 2 1
AERO 103 01 Sarah Babbitt 15 7 6 1 1
AERO 411 01 Sarah Babbitt 11 6 4 1
AERO 413 01 Sarah Babbitt 12 8 3 1
AGEC 101 01 Larry Van Tassell 36 1 20 15 1
AGEC 278 01 Larry Makus 21 1 2 6 8 5
AGEC 278 02 Larry Makus 18 5 10 2 1
AGEC 278 03 Larry Makus 17 1 2 7 5 2 1
AGEC 301 01 Christopher McIntosh 18 9 4 5
AGEC 356 01 Joseph Guenthner 23 15 6 2
AGEC 361 01 Ruby Stroschein 11 4 1 6
AGEC 411 01 Robert Haggerty 11 6 4 1
AGEC 413 01 Robert Spear 12 3 4 5 2 1
AGEC 415 01 Larry Van Tassell 11 10 1
AGEC 526 01 Scott Matulich 7 2 5
AGEC 527 01 Stephen Cooke 5 3 2
AGED 180 01 Lori Moore 23 1 14 5 1 3
AGED 351 01 Lou Riesenberg 11 4 6 1
AMST 301 01 Walter Hesford 26 14 8 3 1
ANTH 100 01 Mark Warner 104 15 31 31 21 8 12
ANTH 220 01 Fumiyasu Arakawa 138 4 48 53 19 10 8
ANTH 230 01 Robert Sappington 28 1 7 9 9 2 1
ANTH 251 01 Donald Tyler 36 1 10 14 8 1 3
ANTH 420 01 Laura Putsche 12 3 4 2 2
ANTH 422 01 Rodney Frey 13 11 2
ANTH 427 02 Virginia Babcock 13 1 2 6 4 1
ANTH 462 01 Laura Putsche 33 3 8 20 3 1
ARBC 101 01 Anisah El-Mansouri 14 1 8 5 1
ARCH 151 01 Randall Teal 150 8 72 40 13 6 19
ARCH 253 01 Roman Montoto 23 1 9 10 2 1
ARCH 253 02 Randall Teal 22 2 9 11 2
ARCH 253 03 Xiao Hu 23 2 11 12
ARCH 353 01 Matthew Brehm 16 7 7 1
ARCH 353 02 Dillon Ellefson 16 4 11 1
ARCH 353 03 Xiao Hu 10 4 6
ARCH 385 01 Anne Marshall 68 5 29 22 11 2 4
ARCH 404 04 Matthew Brehm 10 1 5 3 1
ARCH 453 01 Roman Montoto 10 5 4 1
ARCH 453 02 Anne Marshall 13 6 5 1
ARCH 463 01 Phillip Mead 63 1 26 31 5 1
ARCH 465 01 Kenneth Carper 51 1 8 26 12 3
ARCH 483 01 D. Reese 71 2 27 35 8
ARCH 504 02 Randall Teal 15 9 6
ARCH 504 03 Kevin Van Den Wymelenberg 6 3 1 1
ARCH 504 04 Frank Jacobus 12 1 8 4
ARCH 510 02 D. Reese 13 9 4
ARCH 510 04 Robert Thornton 9 7 1
ARCH 510 05 Roman Montoto 11 2 7 4
ARCH 553 01 Bruce Haglund 14 12 2
như bạn có thể thấy, sự liên kết thay đổi trong mỗi trang, điều tôi muốn đạt được là một căn chỉnh duy nhất cho tất cả các trang, liệu có thể? Tôi đã thử sử dụng bản mở rộng -8, sed với các mẫu khác nhau, nhưng không có kết quả.
Cảm ơn,
Cá nhân, tôi nghĩ rằng đã đến lúc phải viết một kịch bản nhỏ để xử lý nó.
—
Ignacio Vazquez-Abrams
Chà, đó là những gì tôi đang cố gắng, với Perl, nhưng vô ích. cũng: stackoverflow.com/users/427306/soulsurfer2010 không có thành công
—
soulSurfer2010