ghostscript提取包含文本字符串的页面

Question

我需要以编程方式从多页pdf中提取，只需要包含文本字符串的页面。是否可能或者我还需要其他工具？我正在研究aix。

提前

thanx

Answer 1

好的，首先Ghostscript不会从PDF文件中提取页面。它创建了全新的PDF文件，其视觉外观应与原始文件相同，但其内容将有所不同。

一次通过Ghostscript无法做到这一点。您可以使用txtwrite设备提取文本，然后通过输出文件获取所需文本，记下页码，然后运行另一个传递以将这些页面转换为新文件。

请注意，从PDF文件中提取文字远远不能保证正常工作！这不是原始PDF格式的意图。

另请注意，GHostscript目前仅允许处理单个范围的页面，First-＆gt; Last，所以如果你有一个不连续的集合（例如第1,3,5,7页等），那么你将不得不运行这个多次步。