Pdftotext, pretvorite PDF v besedilo s terminala

V naslednjem članku si bomo ogledali pdftotext. To je odprtokodni pripomoček za ukazno vrstico, ki nam bo to omogočil pretvori datoteke PDF v navadne besedilne datoteke. V bistvu izvleče besedilne podatke iz datotek PDF. Ta programska oprema je brezplačna in je privzeto vključena v številne distribucije Gnu / Linux.

V naslednjih vrsticah si bomo ogledali orodje za terminal, vendar z istim namenom pridobivanja besedila iz datotek PDF lahko uporabite tudi grafično orodje, kot je kaliber. Omeniti velja, da tako grafično orodje kot tisto, ki ga lahko uporabimo v terminalu, besedila ne morejo izvleči, če je PDF sestavljen iz slik (fotografije, optično prebrane slike knjig itd.).

V večini distribucij Gnu / Linux, pdftotext je vključen kot del paketa poppler-utils. To orodje je pripomoček ukazne vrstice, ki pretvori datoteke PDF v navadno besedilo. V njem bomo našli številne možnosti, vključno z možnostjo določanja obsega strani za pretvorbo, zmožnosti čim boljšega ohranjanja prvotne fizične postavitve besedila, nastavitve končnic vrstic in celo dela z datotekami PDF, zaščitenimi z geslom .

Povezani članek:

Odstranite znano geslo iz datoteke PDF v Ubutu

Namestite pdftotext v Ubuntu

Če želite to orodje namestiti v naš sistem Ubuntu, morate v primeru, da ga še niste namestiti, odpreti terminal (Ctrl + Alt + T) in vanj zapisati naslednji ukaz v namestite poppler-utils:

sudo apt install poppler-utils

Kako uporabljati pdftotext

Pretvorite datoteko PDF v besedilo

Ko imamo paket nameščen v našem operacijskem sistemu, lahko datoteko PDF pretvorimo v navadno besedilo. Lahko poskusite obdržati prvotni dizajn z uporabo možnosti -razporeditev z ukazom, lahko pa tudi brez njega. V terminalu (Ctrl + Alt + T) bi bil naslednji ukaz naslednji:

pdftotext -layout pdf-entrada.pdf pdf-salida.txt

V prejšnjem ukazu bi morali zamenjati pdf-input.pdf z imenom datoteke PDF, ki jo želimo pretvoriti, in pdf-output.txt z imenom datoteke TXT, v katero želimo shraniti besedilo vhodne datoteke PDF. Če ne določimo nobene izhodne besedilne datoteke, bo pdftotext datoteko samodejno poimenoval z istim imenom kot izvirna datoteka PDF, vendar s pripono txt. Še ena stvar, ki jo je lahko zanimivo dodati ukazu, bodo poti pred imeni datotek, če je potrebno (~ / Documents / pdf-input.pdf).

Pretvorite v besedilo samo vrsto strani PDF

Če nas konverzija celotne datoteke PDF ne zanima in želimo zožite vrsto strani PDF za pretvorbo v besedilo bo uporabite možnost -f (prva stran za pretvorbo) In -l (zadnja stran za pretvorbo), čemur sledi vsaka možnost s številko strani. Ukaz za uporabo bi bil približno takšen:

pdftotext -layout -f P -l U pdf-entrada.pdf

V prejšnjem ukazu boste morali črki P in U nadomestite s prvo in zadnjo številko strani izvleči. Ime pdf-input.pdf Prav tako ga bomo morali spremeniti in mu dati ime datoteke PDF, s katero želimo delati.

Uporabite znake za vrstico

To bomo lahko določili z uporabo -eol, ki mu sledi mac, dos ali unix. Naslednji ukaz bo dodal končnice vrstic unix:

pdftotext -layout -eol unix pdf-entrada.pdf

Pomaga

za preverite razpoložljive možnosti, zaženite man stran:

man pdftotext

Lahko tudi glejte možnost pomoči z ukazom:

pdftotext --help

Pretvorite datoteke PDF iz mape z uporabo zanke Bash FOR

Če želimo pretvoriti vse datoteke PDF v mapi v besedilne datoteke, pdftotext ne podpira paketne pretvorbe iz PDF v besedilo. To to bomo lahko storili z uporabo zanke Bash FOR v terminalu (Ctrl + Alt + T):

for file in *.pdf; do pdftotext -layout "$file"; done

za več informacij o pdftotext, se lahko obrnete na spletna stran projekta. Če vam v terminalu ni treba vnašati ukazov, lahko tudi uporabi a storitev da dobimo enak rezultat.