Ghostscript将pdf转换为文本并保持PDF文件表格格式答案

【问题标题】：Ghostscript to convert pdf to text and keep PDF file table formatGhostscript将pdf转换为文本并保持PDF文件表格格式
【发布时间】：2015-07-13 04:03:26
【问题描述】：

我有这段代码可以将 PDF 转换为文本文件：

gswin32c -dBATCH -dNOPAUSE -dSAFER -dDELAYBIND -dWRITESYSTEMDICT 
-dSIMPLE -sDEVICE=txtwrite -dTextFormat=2 -dFirstPage=1 -dLastPage=1 
-sOutputFile=C:\out.txt C:\in.pdf

它几乎可以正常工作，唯一它不保持 PDF 表格格式。

例子：

在 PDF 文件中：

Type    From        Name             Name2                   Code         Week
Regular 30/03/15    KNOWLES, BEN     HOOT KNOWLES, ANGELA    367-739-746  80.00       
Regular 30/03/15    RICHARDS, COLE   ROBERT HARRIS, BRADIE   401-844-307  108.00      
Regular 30/03/15    SKEELS, MATT     BISHOP, JASON GREGSON   413-980-291  112.00

将其转换为文本文件后，文本会像这样包装：

Type From Name Name2 Code Week
Regular30/03/15KNOWLES, BENHOOT KNOWLES, ANGELA367-739-74680.00       
Regular30/03/15RICHARDS, COLEROBERT HARRIS, BRADIE401-844-307108.00      
Regular30/03/15SKEELS, MATTBISHOP, JASON GREGSON413-980-291112.00

我需要它来保持其格式。知道如何保持格式吗？

我在 windows 7 机器上使用Ghostscript gswin32c，版本是 9.16。

另外，我愿意接受其他方式存档的建议。

干杯

【问题讨论】：

标签： pdf ghostscript ghostscriptsharp

【解决方案1】：

在 PDf 中没有“表格格式”，只有一系列文本和位置。 txtwrite 的一种可能的输出格式尝试创建一个 Unicode 文本文件，其中的间距由空格字符重新创建。请注意，这假定使用的是固定间距字体，因此如果您不使用它，它将无法正常工作。

在没有看到输入 PDF 文件的情况下，实际上无法猜测为什么它没有按预期产生输出。

您可以自己解决这个问题。首先，因为还有其他潜在的输出格式，其中一种是类似 XML 的格式，它发出文本序列和位置，您可以使用它并自己重新创建格式（甚至直接存档）。或者，由于 Ghostscript 是开源的，您可以自己阅读和调试源代码并找出您的 PDF 文件导致问题的原因。

【讨论】：