将PDF转换为不带pdftotext的文本

Question

我必须将PDF转换为文本，目前我正在使用pdftotext.exe。这有时会弄乱生成的文本，所以我不能使用它。

我可以从另一个程序调用另一个免费工具吗？我更喜欢命令行工具。

Answer 1

PDF可能很难转换为文本，具体取决于其构造方式，但您可能会从iTextSharp或GhostScript或商业组件获得良好的结果，例如：从www.tallcomponents.com（非附属）

Answer 2

PDF文件通常不包含任何结构，因此软件需要猜测。我在http://www.jpedal.org/PDFblog/2009/04/pdf-text/

您也可以尝试PdfBox。

Answer 3

我发现ApachePDFBox比pdftotext好得多。它提取文本的方式更接近文档的原始格式。它可以从命令行运行。