pdftotext - 从 pdf 文件中删除页码、页眉和页脚

Question

我想解析一个pdf文件，因为我正在使用pdftotext实用程序将pdf文件转换为文本文件，现在我想从文本文件中删除页码、页眉和页脚。

我正在使用以下语法转换 pdf 文件:

pdftotext -layout input.pdf output.txt

谁能帮我解决这个问题吗？

Answer 1

您需要使用参数 -H -W -y -x 进行裁剪，至少为 -H -W -y。

示例:

pdftotext -y 80 -H 650 -W 1000 -nopgbrk -eol unix example.pdf


-y 80   -> crop 80 pixels after the top of file (remove header);
-H 650  -> crop 650 pixels after the -y has cropped (remove footer);
-W 1000 -> hight value to crop nothing (need especify something);

您需要针对每个 PDF 调整 -y 和 -H，有时减少 -y 并增加 -H 以适应页眉和页脚；