我的客户需要从会计数据库中获取名称，姓氏，DOB的CSV。
问题是，他们的会计软件是在云端＆＃34; （因此，在其他人的计算机上，并且可以从世界上的任何人那里免费访问），所有这些webapp都可以生成格式非常糟糕的欢迎卡pdf＆＃34;，就像这样
hi <newline>
<lots of spaces>my name is %name% <lots of spaces> %surname%
<lots of newlines and spaces to simulate text alignment to the right>I was born in %dob
<newpage>
所以，我所能获得的是一篇500页的PDF文件，其内容无法使用。
有没有办法从这样的文件中提取数据？
答案 0 :(得分：2)
重要的是要知道您是否必须多次执行此操作，或者只需执行一次到一个500页的文件。我只假设一次。
在这种情况下，将PDF转换为XML（如果可能的话）或文本文件（许多转换器可用 - 只是谷歌）。
然后重要的是要知道所有'记录'是否以相同的方式格式化 - 格式也是如此： .... firstname ... lastname ... dob ... addressline1 .... （其中......是你不想要的东西）
是否总有'标签'或'标签'告诉您下一件事是'地址第1行'，或者您是否错过了价值？
如果结构始终相同，并且您可以判断该记录中是否有值，则您有机会编写正则表达式以将其转换为合适的格式。否则会非常困难，但你可能会收获很多（如果不是全部）信息。
答案 1 :(得分：1)
我做到了！感谢您的提示，这就是我将无用的PDF变为有用的CSV的方式：
cat -A ;