# pdftotext ## 作用 提取 PDF 中的文本内容 ## 安装 ### Windows `Windows 下不需要安装`，因为我目前也没有发现存在Windows的版本。 不安装这个工具，对程序有影响，但是影响不大，因为从PDF中提取txt文本内容，还可以使用 calibre 进行提取。 ### Linux ~~~ [sudo] apt install poppler-utils ~~~ ### Mac ~~~ [sudo] brew install poppler-utils ~~~ ## 是否安装成功 执行如下命令： ~~~ pdftotext --help ~~~ 看到如下结果，则表示安装成功。 ~~~ pdftotext --help------pdftotext version 0.41.0Copyright 2005-2016 The Poppler Developers - http://poppler.freedesktop.orgCopyright 1996-2011 Glyph & Cog, LLCUsage: pdftotext [options] <PDF-file> [<text-file>] -f <int> : first page to convert -l <int> : last page to convert -r <fp> : resolution, in DPI (default is 72) -x <int> : x-coordinate of the crop area top left corner -y <int> : y-coordinate of the crop area top left corner -W <int> : width of crop area in pixels (default is 0) -H <int> : height of crop area in pixels (default is 0) -layout : maintain original physical layout -fixed <fp> : assume fixed-pitch (or tabular) text -raw : keep strings in content stream order -htmlmeta : generate a simple HTML file, including the meta information -enc <string> : output text encoding name -listenc : list available encodings -eol <string> : output end-of-line convention (unix, dos, or mac) -nopgbrk : don't insert page breaks between pages -bbox : output bounding box for each word and page size to html. Sets -htmlmeta -bbox-layout : like -bbox but with extra layout bounding box data. Sets -htmlmeta -opw <string> : owner password (for encrypted files) -upw <string> : user password (for encrypted files) -q : don't print any messages or errors -v : print copyright and version info -h : print usage information -help : print usage information --help : print usage information -? : print usage information ~~~ ## 测试 使用如下命令，测试文本提取结果。 ~~~ pdftotext -f 1 -l 5 example.pdf example.txt ~~~ 如果提取到 txt 文件中的文本内容没有出现乱码，则表示内容提取成功。如果出现乱码，需要从字符编码和中文字体排查。