Tôi đã thử một số chương trình: pdftotext, pdf2txt.py, ... Tất cả chúng đều có thể trích xuất văn bản từ các tệp PDF, nhưng chương trình nào hoạt động tốt hơn là tốt ' less
: văn bản từ PDF có bố cục phù hợp. Làm thế nào là ít làm điều này? Là nó sử dụng bất kỳ thư viện, hoặc xử lý PDF được tích hợp?
Tôi đang hỏi bởi vì tôi muốn sử dụng chức năng này theo chương trình, không nhất thiết phải chạy ít hơn như một chương trình bên ngoài (tôi đang làm python).
Hệ thống của tôi là:
» less --version
less 458 (GNU regular expressions)
Copyright (C) 1984-2012 Mark Nudelman
less comes with NO WARRANTY, to the extent permitted by law.
For information about the terms of redistribution,
see the file named README in the less distribution.
Homepage: http://www.greenwoodsoftware.com/less
» uname -a
Linux polyphemus 3.13.0-53-generic #89-Ubuntu SMP Wed May 20 10:34:39 UTC 2015 x86_64 x86_64 x86_64 GNU/Linux
pdftotext -layout $1 -