我想知道如何提取一个pdf内容并将其插入数据库中（perl脚本）。
示例：我有一个pdf文件（请参见下面的示例：MyPdfFile），我想从该文件中提取商品代码项（A和B），数量（3和2）以及价格（10和20），以及将它们插入数据库（表：ORDERS）。
提前感谢您的帮助。
答案 0 :(得分：1)
简短地进行扫描，我发现没有现有的Perl模块能够以最小的麻烦完全满足您的要求。但是，在开源平台上，Poppler带来了实用程序pdftotext。没有什么能阻止Perl通过
pdftotext二进制文件
my $output_of_pdftotext = `pdftotext $pdf_file`;
或
my @output_of_pdftotext = `pdftotext $pdf_file`;
如果您不打算泛化您的解决方案，而只需要解决您当前的问题（我认为这是您目前的方向，就您使用的Perl而言，它在这种用法上很出色），那么我的实用建议可能是您安装了Poppler的pdftotext实用程序，在PDF上手动尝试了一下，然后查看了输出结果。然后，考虑到Perl的最小流利性，您可以让Perl脚本模式匹配输出并根据需要重新格式化。
字符编码
接着，OP问：
[T] o在stdout poppler上提取pdf的内容效果很好，但是我对显示包含重音符号的某些单词有一个小问题，例如：标准输出中的désignation（pdf）=DÃsignation？
utf-8字符编码使用两个字节C3 A9（十六进制）对“é”进行编码。 iso-8859-1编码使用相同的两个字节编码“Ô。您的“设计”显然编码为utf-8，这是正常的，因此您的标准输出是正确的。但是，显然，您的终端要显示iso-8859-1。如果是这样，则您的终端会误解标准输出。
您可以告诉pdftotext使用iso-8859-1（我将其留给您作为练习来阅读手册页并弄清楚如何做）。但是，我建议您改为将终端设置为显示utf-8。
如何将终端设置为显示utf-8？这取决于您使用的终端。我不知道你的终端。在我的终端上，更改编码很容易。可能需要花几分钟的时间来探索和试验终端的首选项和设置，才能告诉您如何更改为utf-8。