Question

我正在尝试从已经被redmon拦截并通过管道传输到python程序的postscript文档中自动提取地址。我已经达到了可以捕获postscript输出（并将其写入文件）的程度，但我被困在提取部分。

在python中有没有一个好的/可靠的方法，或者我是否需要通过ps2ascii运行postscript文件并希望最好？

如果有其他语言的工具可以做到这一点，我很乐意评估它们。

Answer 1

实际上，在大多数情况下，仅仅解析Postscript就足够了，因为Postscript文档是普通的文本文件。

作为澄清：是的，我知道Postscript文档显示的内容是用一种名为Postscript的精美颠倒或反向美观的语言编写的程序的结果。但是，在大多数情况下，grep程序源就足够了。在其他一些情况下，文本可能被编码为曲线或位图，并且没有办法在没有OCR的情况下将其提取到渲染输出中。

底线：它取决于您要提取的信息类型以及postscript文件的类型。在我看来，ps2ascii是一个很好的工具，也是解决问题的一种方法，但是（i）不能保证成功的方法（可能略微超过来源）（ii）在很大程度上只是剥离操作员和（iii）在某些情况下可能会导致文本丢失。

Answer 2

因为我评论ps2ascii有很大的占用空间：这是一个“80％”的解决方案，用于提取使用python在postscript文件中出现的字符串。


import fileinput
for line in fileinput.input():
 for p in line.replace('\\(','EscapeLP').replace('\\)','EscapeRP').split('(')[1:]:
  print p[:p.find(')')].replace('EscapeLP','(').replace('EscapeRP',')')

注意，精细格式化（kerned）的postscript通常会将字符串分成小块（甚至是单个字符）。 ps2ascii很好地为你拼凑它们，而显然我的简单脚本不会。

从postscript中提取文本和/或使用python创建叠加层

2 个答案: