Birkaç program denedim: pdftotext, pdf2txt.py, ... Hepsi, PDF'lerden metin çıkarabilirler, ancak daha iyi iş yapan bir tanesi iyidir less
: PDF'den gelen metin uygun bir düzende. Daha az bunu nasıl yapıyor? Herhangi bir kütüphane kullanıyor mu, yoksa PDF işlemesi yerleşik mi?
Soruyorum çünkü bu işlevselliği programlı olarak kullanmak istiyorum, mutlaka harici bir program olarak daha az çalıştırmak zorunda kalmamıştım (python yapıyorum).
Benim sistemim:
» less --version
less 458 (GNU regular expressions)
Copyright (C) 1984-2012 Mark Nudelman
less comes with NO WARRANTY, to the extent permitted by law.
For information about the terms of redistribution,
see the file named README in the less distribution.
Homepage: http://www.greenwoodsoftware.com/less
» uname -a
Linux polyphemus 3.13.0-53-generic #89-Ubuntu SMP Wed May 20 10:34:39 UTC 2015 x86_64 x86_64 x86_64 GNU/Linux
pdftotext -layout $1 -