有没有办法使用Java从PostScript（.ps，.eps）文件中提取文本？

Question

我正在寻找一种类似于PDF Box的解决方案，用于Apache Tika的PDF，但是，PS文件。

感谢。

Answer 1

您可以使用Ghostscript转换为pdf，http://www.osalt.com/ghostscript，然后有各种库来处理pdf。

这样做的好处在于您只从PDF中提取，因此只要您可以将其转换为PDF，就可以处理其他格式。

Answer 2

就像詹姆斯布莱克所说的那样，最好只转换为PDF并使用熟悉的工具。

但是，确实存在pstotext，例如，在其自己的包中的Ubuntu Universe中可用。

Ghostscript本身也带有ps2txt和ps2ascii，也可以这样做。