如何使用ghostscript从pdf文件读取行到c程序？

Question

我目前正在诅咒C编程，对于我们的最终项目，我们需要从pdf中读取一些文本到字符串中，这样我们就可以操作字符串了。

本质上我正在寻找的东西与此类似，只有.pdf而不是.txt文件。

  char *line;
  fscanf(myfile.txt," %[^\n]", line);

我没有使用ghostscript的经验，所以我不知道这是否可能，尽管我们告诉我们应该使用ghostscript。

Answer 1

当前版本的Ghostscript包含'txtwrite'设备，该设备将从任何支持的输入（PostScript，PDF，XPS，PCL）中提取文本，并以各种形式发出。

UTF-8输出可能对您最有用。

买者！ PDF文件中似乎是文本的许多内容都不是文本，也没有尝试处理这些内容。

ps2ascii在txtwrite设备发布时已被弃用，但无论如何，它完全有能力（尽管名称）处理PDF作为输入。

我想不出为什么有人给你这个项目，PDF文件是不是文本文件，并且不能这样对待。除了PDF文件通常被压缩的事实之外，识别内容流和它依赖的所有其他流（它们本身可能包括文本）是非平凡的。此外，文本通常以难以理解的方式编码（对于CIDFonts和TrueType字体尤其如此）。

也许您的导师希望您首先成为PDF格式的专家，但对C课程而言似乎过分。

Answer 2

您可以使用pdf2ps将PDF转换为Postscript，然后使用ps2ascii转换为ASCII。您已经知道如何读取ASCII。

提到的两个实用程序都在ghostscript包中。