スクリプトを使用してpdfドキュメントからテキストを取得

スクリプトを使用してpdfドキュメントからテキストを取得するにはどうすればよいですか？私は窓を使い、時にはLinuxを使う。スクリプトを使用してpdfドキュメントからテキストを取得

これはグーグルの努力をあまり示していないので、私はちょうどここにTIKAを投げます（http://tika.apache.org/） – mindandmedia

ほとんどのLinuxディストリビューションではpdftohtmlが利用可能です。名前が示すとおり、PDFをHTMLに変換できます。 HTMLをプレーンテキストに変換するには、多くの方法があります。例：lynx -dump file.html

2012-02-25 11:28:27

ありがとう。しかし、文書がテキストのコピーを無効にしている場合、ツールはテキストをコピーできません...私は音声リーダーで読みたいと思う非常に長い文書を持っています。 – user1141649

Linux pdftotextコマンド（部分：poppler）で使用できます。

2012-02-25 11:48:56 uzsolt

ありがとうございます。しかし、文書がテキストのコピーを無効にした場合、またはパスワードが含まれている場合、ツールはテキストをコピーできません。 – user1141649

私は知らないのですが、私はtextcopy-disabled pdfで試してみませんでした。それを試しましたか？ – uzsolt

目的は、マウスを使用してPDFからテキストを取得する場合は、xpdfを実行する必要があります。セキュリティ設定には注意を払わないようです。少なくとも、私がMac上で実行しているバージョンはそうではありません。

2012-02-26 16:55:04 tchrist

答えて