从pdf中提取文本的最佳perl模块是什么？

Question

从pdf中提取文本的最佳方法是什么？

Answer 1

CAM::PDF模块对于提取文本和维护文档中的来源信息非常有用。它安装了/usr/local/bin/getpdftext.pl，它演示了简单的提取。但是，CAM :: PDF只能读取完全有效的PDF。

如果您正在处理格式错误的PDF，则可能需要更宽松的解析器，例如pdftotext。它将foo.pdf转储到foo.txt，然后您可以将其读入Perl。