使用命令行开关将 PDF 保存为文本 - 可以吗？答案

【问题标题】：Using Command Line Switches to Save a PDF as Text - Can it be done?使用命令行开关将 PDF 保存为文本 - 可以吗？
【发布时间】：2010-11-14 19:59:23
【问题描述】：

我需要使用命令行开关来执行“另存为文本”命令。理想情况下，我想：

使用命令行开关打开 PDF
通过模仿“另存为文本”命令，使用命令行开关将 PDF 转换为文本文件。
使用命令行关闭 PDF。

这可能吗？如果是这样，那么有人知道该怎么做吗？

【问题讨论】：

呃，以后请多注意你的标签。对您的问题进行分类。不要试图总结它。每个标签都应该独立存在。
不确定您正在运行哪个操作系统，但有一个名为“pdftotext”的工具似乎可以满足您的需求。它在 Linux 中可用，但可能有适用于其他操作系统的类似工具。
对不起，我忽略了操作系统。这是 Windows。我听说过这个工具；不幸的是，购买解决方案不是一种选择——因此我们只能构建一个。不过谢谢！
不确定“购买”对您意味着什么。 pdftotext 是免费的。
免费软件肯定比购买好，但在我们的环境中，这需要几周时间才能被批准在此站点使用。这就是为什么命令行路线是最好的 - 无需填写表格，无需等待测试团队检查产品等。

标签： windows pdf automation

【解决方案1】：

也许你可以试试这个：https://github.com/luochen1990/nodejs-easy-pdf-parser

它是一个 npm 包，你需要安装 nodejs（和 npm）才能使用它。

可以作为命令行工具使用：

npm install -g easy-pdf-parser
pdf2text test.pdf > test.txt

而且这个工具会根据它们的 y 坐标对文本行进行排序，所以它在大多数情况下都很好用。它也适用于 unicode 和跨平台。

【讨论】：

【解决方案2】：

不要使用 CMD；使用 AutoIt。很容易做，只需要几行代码

Run("file.pdf")
winwait("Adobe")
send(?);; whatever commands necessary to save as text
send("{enter}")
send("!{F4}")

【讨论】：

【解决方案3】：

我不明白您为什么不想使用免费软件（不是免费软件），pdftotext 是理想的解决方案。但是，如果您只想使用 Windows GUI 以自动方式实际打开和保存 PDF，您可以使用 vbscript 和 sendkeys 命令。

尽管使用 pdftotext，它会更可靠，而且不会花费你一整盒。

【讨论】：

谢谢 - 我正在考虑使用 'SENDKEYS' 方法，但想看看是否有一些快速而肮脏的东西。是的，我们的环境对可接受的软件有严格的限制。也可以选择使用 Python（已获批准）。
+1 - 因为像你这样聪明的人有已经发布了答案...

【解决方案4】：

我认为下面的 VBscript 应该可以解决问题。它将获取给定文件夹位置中的所有 .pdf 文件并将它们保存为 .txt 文件。一个主要令人不快的是，它仅在您的机器未锁定时才有效，因为它使用了 SendKeys 命令。如果有人有在计算机锁定时有效的解决方案，请发送给我！

Set objFSO = CreateObject("Scripting.FileSystemObject")
objStartFolder = "PATH_OF_ALL_PDFS_YOU_WANT_TO_CONVERT_HERE"
Set objFolder = objFSO.GetFolder(objStartFolder)

Set colFiles = objFolder.Files
For Each objFile In colFiles
  extension = Mid(objFile.Name, Len(objFile.Name) - 3, 4)
  file = Mid(objFile.Name, 1, Len(objFile.Name) - 4)
  fullname = objFSO.BuildPath(objStartFolder, objFile.Name)
  fullname_txt = objFSO.BuildPath(objStartFolder, file + ".txt")

  Set objFSO = CreateObject("Scripting.FileSystemObject")

  If extension = ".pdf" And Not objFSO.FileExists(fullname_txt) Then
      WScript.Echo fullname
    Set WshShell = WScript.CreateObject("WScript.Shell")
    WshShell.Run """" + fullname + """"
    WScript.Sleep 1000
    WshShell.SendKeys "%"
    WScript.Sleep 100
    WshShell.SendKeys "f"
    WScript.Sleep 100
    WshShell.SendKeys "h"
    WScript.Sleep 100
    WshShell.SendKeys "x"
    WScript.Sleep 300
    WshShell.SendKeys "{ENTER}"

    count = 0
    'this little step prevents the loop from moving on to the next .pdf before the conversion to .txt is complete
    Do While i = 0 And count < 100
      On Error Resume Next
      Set fso = CreateObject("Scripting.FileSystemObject")
      Set MyFile = fso.OpenTextFile(fullname_txt, 8)
      If Err.Number = 0 Then
        i = 1
      End If
      count = count + 1
      WScript.Sleep 20000
    Loop
  End If
Next

【讨论】：