Saya telah mencoba beberapa program: pdftotext, pdf2txt.py, ... Semuanya dapat mengekstrak teks dari PDF, tetapi program yang melakukan pekerjaan yang lebih baik adalah baik less
: teks dari PDF memiliki tata letak yang tepat. Bagaimana kurang melakukan ini? Apakah menggunakan perpustakaan apa pun, atau apakah pemrosesan PDF sudah ada di dalamnya?
Saya bertanya karena saya ingin menggunakan fungsi ini secara terprogram, tanpa harus menjalankan kurang sebagai program eksternal (saya melakukan python).
Sistem saya adalah:
» 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 -
-layout
saklar. ;)