pdftotext，从终端将PDF转换为文本

在下一篇文章中，我们将研究pdftotext。 这是一个开放源代码的命令行实用程序，它将使我们能够 将PDF文件转换为纯文本文件。 基本上，它的作用是从PDF文件中提取文本数据。 该软件是免费的，并且在许多Gnu / Linux发行版中默认都包含该软件。

在以下几行中，我们将看到一个用于终端的工具，但出于从PDF文件提取文本的相同目的 您还可以使用图形工具 口径。 值得注意的是，图形工具和我们可以在终端中使用的工具， 如果PDF由图像组成，则它们无法提取文本 (照片，扫描的书籍图像等。).

在大多数Gnu / Linux发行版中， pdftotext包含在poppler-utils软件包中。 该工具是一个命令行实用程序， 将PDF文件转换为纯文本。 在其中，我们将找到许多可用的选项，包括指定要转换的页面范围的功能，尽可能保持文本原始物理布局的功能，设置行尾，甚至使用受密码保护的PDF文件的功能。 。

相关文章：

从Ubutu的PDF文件中删除已知密码

在Ubuntu上安装pdftotext

要在我们的Ubuntu系统上安装此工具，以防万一您尚未安装它，只需打开一个终端（Ctrl + Alt + T）并在其中写入以下命令即可： 安装poppler-utils:

sudo apt install poppler-utils

如何使用pdftotext

将PDF文件转换为文本

将软件包安装在操作系统上之后，我们可以将PDF文件转换为纯文本。 能 尝试使用选项保留原始设计 -布局 使用该命令，但是我们也可以尝试不使用它。 在终端（Ctrl + Alt + T）中，要使用的命令如下：

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

在上一个命令中，我们将不得不替换 pdf输入.pdf 加上我们有兴趣转换的PDF文件的名称，以及 pdf-output.txt 我们要在其中保存输入的PDF文件的文本的TXT文件的名称。 如果我们未指定任何输出文本文件，则pdftotext会自动将文件命名为与原始PDF文件相同的名称，但扩展名为txt。 要添加到命令中的另一件有趣的事情是，如果需要的话，文件名之前的路径（〜/文件/ pdf-input.pdf).

仅将一系列PDF页面转换为文本

如果我们对转换整个PDF文件不感兴趣，我们希望 缩小PDF页面的范围以转换为文本 将有 使用-f选项 (转换首页）Y -l (最后一页要转换），然后是每个选项的页码。 使用的命令将类似于以下内容：

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

在上一个命令中，您将必须 用第一页和最后一页页码替换字母P和U 提取。 的名字 pdf输入.pdf 我们还必须对其进行更改，并为其指定要使用的PDF文件的名称。

使用行尾字符

我们可以指定 使用-eol，然后使用mac，dos或unix。 以下命令将添加unix行尾：

pdftotext -layout -eol unix pdf-entrada.pdf

帮助

至 检查可用选项，运行手册页：

man pdftotext

你也可以 咨询帮助选项 使用命令：

pdftotext --help

使用Bash FOR循环从文件夹转换PDF文件

如果我们要将文件夹中的所有PDF文件都转换为文本文件， pdftotext不支持从PDF到文本的批量转换。 埃斯托 我们将能够使用Bash FOR循环来做到这一点 在终端中（Ctrl + Alt + T）：

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

至 有关pdftotext的更多信息，您可以咨询 项目网站。 如果您不想在终端中键入命令，也可以 用一个 在线服务 得到相同的结果。