命令行将 PDF 转为文本：自动化转换指南和常见问题解答

windows

2024-03-25 12:29:39

用命令行将 PDF 保存为文本：方法与局限

作为程序员，我们在处理文件时经常需要将不同格式的文件相互转换。其中，将 PDF 转换为文本是一种常见需求。虽然大多数 PDF 阅读器都提供“另存为文本”功能，但对于需要批量处理大量文件的任务，使用命令行开关可以实现自动化。

可行的选项

将 PDF 保存为文本可以通过两种主要方法：

1. 使用 pdftk 工具

pdftk 是一款开源命令行工具，可用于处理 PDF 文件。它提供了一个名为“output”的开关，允许用户将 PDF 转换为文本文件。

2. 使用 macOS 预览应用程序

macOS 预览应用程序具有将 PDF 另存为文本的能力。虽然它不是命令行工具，但我们可以使用 AppleScript 来自动化该过程。

步骤指南

pdftk 工具

安装 pdftk 工具。
打开命令行终端。
导航到包含目标 PDF 文件的目录。
运行以下命令：

pdftk input.pdf output output.txt

macOS 预览应用程序

打开预览应用程序。
打开要转换的 PDF 文件。
从菜单栏中选择“文件”->“导出”。
在“导出为”菜单中，选择“文本”。
单击“保存”。
在 AppleScript 编辑器中创建以下脚本：

tell application "Preview"
    set pdfDoc to open (choose file)
    set txtFile to open for access (choose file with prompt "Save as Text")
    set theText to text of pdfDoc
    write theText to txtFile
    close access txtFile
    close pdfDoc
end tell