Linux 下 将PDF文件中的文本,图片导出的方法。

PDF格式文件中的文本是可以导出来再修改的。同样,PDF里面的插图也是可以提取出来的。

 

PDF转纯文本:

1
2
pdftotext -enc GBK godson2e-data.Sheet.pdf text.GBK.txt
-enc (encoding)

要参照/etc/xpdf/xpdfrc 里面提到的编码格式。对于中文,用GBK就可以了。

 

提取插图:

1
pdfimages godson2e-data.Sheet.pdf img

该命令就生成N个PPM文件,(一种BMP格式)
文件名为img-00?.ppm
? = (1 ~ N)

 

可以用ImageMagick里面的convert工具将其转换成相要的格式:

1
2
3
convert img-001.ppm img-001.jpg

convert img-001.ppm img-001.eps

 

上述方法在ubuntu下测试通过。
其中,pdfimages, pdftotext来自xpdf-utils包,xpdf的中文编码支持来自xpdf-chinese-simplified包。换句话说,要实现上述功能得安装:

1
2
xpdf-utils
xpdf-chinese-simplified

 

安装方法:

1
aptitude install xpdf-utils xpdf-chinese-simplified

 

如果没有aptitude,可以用apt-get

1
apt-get install xpdf-utils xpdf-chinese-simplified

 

批量转换ppm为png:

1
2
在命令行下执行:
convert *.ppm *.jpg

 

坚持原创技术分享,您的支持将鼓励我继续创作!