使用脚本从pdf文档中获取文本

Question

如何使用脚本从pdf文档中获取文本？我使用windows，偶尔使用linux。

Answer 1

大多数Linux发行版都应该有pdftohtml。顾名思义，它可以将PDF转换为HTML。将HTML转换为纯文本可以通过多种方式完成，例如使用lynx -dump file.html

Answer 2

您可以使用Linux pdftotext命令（poppler的一部分）。

Answer 3

如果目标是使用鼠标从PDF获取文本，则应运行xpdf。它似乎没有注意安全设置。至少，我在Mac上运行的版本没有。