pdftotext，從終端將PDF轉換為文本

在下一篇文章中，我們將研究pdftotext。 這是一個開源命令行實用程序，它將使我們能夠 將PDF文件轉換為純文本文件。 基本上，它的作用是從PDF文件中提取文本數據。 該軟件是免費的，並且在許多Gnu / Linux發行版中默認都包含該軟件。

在以下幾行中，我們將看到用於終端的工具，但出於從PDF文件提取文本的相同目的 您也可以使用圖形工具 口徑。 值得注意的是，圖形工具和我們可以在終端中使用的工具， 如果PDF由圖像組成，則它們無法提取文本 (照片，掃描的書籍圖像等。).

在大多數Gnu / Linux發行版中， pdftotext包含在poppler-utils軟件包中。 該工具是一個命令行實用程序， 將PDF文件轉換為純文本。 在其中，我們將找到許多可用的選項，包括指定要轉換的頁面範圍的功能，盡可能保持文本原始物理佈局的功能，設置行尾，甚至使用受密碼保護的PDF文件的功能。 。

相關文章：

從Ubutu的PDF文件中刪除已知密碼

在Ubuntu上安裝pdftotext

要在我們的Ubuntu系統上安裝此工具，以防萬一您尚未安裝它，只需打開一個終端（Ctrl + Alt + T）並在其中寫入以下命令即可： 安裝poppler-utils:

sudo apt install poppler-utils

如何使用pdftotext

將PDF文件轉換為文本

在操作系統上安裝軟件包之後，我們可以將PDF文件轉換為純文本。 我們可以 嘗試使用選項保留原始設計 -佈局 使用該命令，但我們也可以嘗試不使用它。 在終端（Ctrl + Alt + T）中，要使用的命令如下：

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

在上一個命令中，您將必須替換 pdf輸入.pdf 以及我們有興趣轉換的PDF文件的名稱，以及 pdf-output.txt 我們要在其中保存輸入的PDF文件的文本的TXT文件的名稱。 如果我們未指定任何輸出文本文件，則pdftotext會自動將文件命名為與原始PDF文件相同的名稱，但擴展名為txt。 可以添加到命令中的另一件有趣的事情是，如果需要的話，文件名之前的路徑（〜/文件/ pdf-input.pdf).

僅將一定範圍的PDF頁面轉換為文本

如果我們對轉換整個PDF文件不感興趣，我們希望 縮小PDF頁面的範圍以轉換為文本 將有 使用-f選項 (要轉換的第一頁）和 -l (最後一頁要轉換），然後是每個選項的頁碼。 使用的命令將類似於以下內容：

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

在上一個命令中，您將必須 用第一頁和最後一頁頁碼替換字母P和U 提取。 的名字 pdf輸入.pdf 我們還必須對其進行更改，並為其指定要使用的PDF文件的名稱。

使用行尾字符

我們可以指定 使用-eol，然後使用mac，dos或unix。 以下命令將添加unix行尾：

pdftotext -layout -eol unix pdf-entrada.pdf

幫助

至 檢查可用選項，運行手冊頁：

man pdftotext

你也可以 諮詢幫助選項 使用命令：

pdftotext --help

使用Bash FOR循環從文件夾轉換PDF文件

如果我們要將文件夾中的所有PDF文件都轉換為文本文件， pdftotext不支持從PDF到文本的批量轉換。 此 我們將能夠使用Bash FOR循環來做到這一點 在終端中（Ctrl + Alt + T）：

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

至 有關pdftotext的更多信息，您可以諮詢 項目網站。 如果您不想在終端中鍵入命令，也可以 用一個 在線服務 得到相同的結果。