perl - 在perl中解析pdf

Question

我正在尝试从 pdf 中提取一些信息。我正在尝试使用 getpdftext.pl来自 CAM::PDF模块。当我刚刚运行 $~ getpdftext.pl sample.pdf ，它将pdf的文本生成到stdout。

但我正在考虑将其写入文本文件并解析 perl 中的必填字段。有人可以指导我如何做到这一点吗？

但是当我尝试调用 pdftotext.pl在我的 perl 脚本中，我得到一个 No such file错误。

#program 从pdf中提取文本并将其保存在文本文件中

use PDF;

use CAM::PDF;

use CAM::PDF::PageText;

use warnings;

use IPC::System::Simple qw(system capture);

$filein = 'sample.pdf';                                                                   
$fileout = 'output1.txt';  

open OUT, ">$fileout" or die "error: $!";

open IN, "getpdftext.pl $filein" or die "error :$!" ;

while(<IN>)
{
    print OUT $fileout;
}

Answer 1

让 getpdftext.pl 做你想做的事情可能会更容易。

使用 getpdftext.pl 中的代码，这个(未经测试的代码)应该将 pdf 输出到文本文件。

my $filein = 'sample.pdf';                                                                   
my $fileout = 'output1.txt';  

my $doc = CAM::PDF->new($filein) || die "$CAM::PDF::errstr\n";
open my $fo, '>', $fileout or die "error: $!";

foreach my $p ( 1 .. $doc->numPages() ) {
    my $str = $doc->getPageText($p);
    if (defined $str) {
       CAM::PDF->asciify(\$str);
       print $fo $str;
    }
}

close $fo;