Попытка конвертировать PDF в текст бесплатно

Я использую OSX и хотел бы иметь возможность конвертировать PDF файлы в текст.

Я хотел бы бесплатное приложение, чтобы сделать это, так как я уверен, что они должны быть.

Вот шаги, которые я использовал для установки и использования xpdf через Homebrew.

1. Установите зависимости Homebrew:

   xcode-select --install
   

2. Установите Homebrew с их сайта:

   /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
   

3. Сделайте то, что он говорит вам, чтобы завершить установку Homebrew.

4. Убедитесь, что Homebrew счастлив и функционирует по спецификации.

   brew doctor
   

5. Далее установите xpdf и его зависимости:

   brew install Caskroom/cask/xquartz
   
   brew install xpdf
   

6. Наконец, используйте pdftotext, пакет, входящий в комплект xpdf:

   pdftotext Some_Document.pdf Some_Document.txt
   

Первое имя файла - это существующий PDF; Второй пункт назначения. Результаты были намного лучше, чем с (по общему признанию) старой версией Adobe Acrobat. Изменить: Новые (2019) версии Adobe Acrobat показали столь же плохие результаты.

Несколько методов.

1. Используйте документы Google (вам потребуется аккаунт Google)

2. Использовать Automator (требуется некоторая работа)

Вы можете использовать Automator для создания рабочего процесса, который может извлекать текст из PDF-файлов и сохранять его как текстовый или RTF-документ.

или приложение из App Store, например, PDF в текст

xpdf который я установил с портами:

port install xpdf

содержит:

xpdf-pdftotext

Он делает то, что вы хотите для любого файла PDF, который приходит из текстового файла (а не из изображения):

xpdf-pdftotext PDF_file text_file

Текущая версия Adobe Reader (11.0.09) имеет пункт «Сохранить как другое» в меню «Файл».

Одним из вариантов является Текст .

Приложение бесплатно, и делает достойную работу, выводя текстовые файлы. Все изображения в новом документе будут потеряны в формате .txt.

Я думаю, вы сможете скопировать и вставить текст в другой документ. Выделить весь текст

Откройте PDF в «Предварительном просмотре» и

• выберите «Редактировать | Выбрать все»
• выберите «Редактировать | Копировать»

Перейдите в другое приложение, скажите «Редактирование текста»

• выберите «Редактировать | Вставить»

Обратите внимание, что если вы попытаетесь это сделать, и текст не вставлен, а просто пустые строки, попробуйте сначала распечатать PDF в новый PDF, например

• В предварительном просмотре выберите «Файл | Печать»
• В правом нижнем углу выберите «PDF | Сохранить как PDF»
• Это экспортирует новый PDF.

Теперь попробуйте описанный выше процесс с этим новым PDF. Работал на меня!

PS: если у вас есть Microsoft Word, вы можете открыть свой PDF в слове

Следующий скрипт Python выведет текст из документа PDF в файл .txt. (Примечание: нет никакой гарантии, что текст обязательно находится в «логическом» удобочитаемом для человека порядке из-за способа хранения данных в формате PDF.)

Сценарий создаст текстовые файлы для любых файлов PDF, предоставленных в качестве аргументов ему в командной строке (например, pdf2txt.py myPDF.pdf), или вы можете использовать в действии Automator «Выполнить сценарий оболочки», установив тип оболочки в python и передать ввод в качестве аргументов «As». , Тогда вы можете использовать его как Quick Action или DropApp.

#!/usr/bin/python
# coding: utf-8

import os, sys
from Quartz import PDFDocument
from CoreFoundation import (NSURL, NSString)
NSUTF8StringEncoding = 4

def pdf2txt():
    for filename in sys.argv[1:]:   
        inputfile =filename.decode('utf-8')
        shortName = os.path.splitext(filename)[0]
        outputfile = shortName+" text.txt"
        pdfURL = NSURL.fileURLWithPath_(inputfile)
        pdfDoc = PDFDocument.alloc().initWithURL_(pdfURL)
        if pdfDoc :
            pdfString = NSString.stringWithString_(pdfDoc.string())
            pdfString.writeToFile_atomically_encoding_error_(outputfile, True, NSUTF8StringEncoding, None)

if __name__ == "__main__":
   pdf2txt()