Wypróbowałem kilka programów: pdftotext, pdf2txt.py, ... Wszystkie z nich mogą wyodrębniać tekst z plików PDF, ale ten, który robi lepszą robotę, jest dobry less
: tekst z pliku PDF ma odpowiedni układ. Jak mniej to robi? Czy korzysta z jakiejś biblioteki, czy jest wbudowane przetwarzanie plików PDF?
Pytam, ponieważ chciałbym korzystać z tej funkcji programowo, bez konieczności uruchamiania mniejszej liczby programów zewnętrznych (robię Python).
Mój system to:
» 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 -