Я пробовал несколько программ: pdftotext, pdf2txt.py, ... Все они могут извлекать текст из PDF-файлов, но хорошо справляется та, которая лучше справляется со своей задачей less
: текст из PDF имеет правильную компоновку. Как меньше это делать? Используется ли какая-либо библиотека или встроенная обработка PDF?
Я спрашиваю, потому что я хотел бы использовать эту функциональность программно, без необходимости запускать меньше как внешнюю программу (я делаю Python).
Моя система:
» less --version
less 458 (GNU regular expressions)
Copyright (C) 1984-2012 Mark Nudelman
less comes with NO WARRANTY, to the extent permitted by law.
For information about the terms of redistribution,
see the file named README in the less distribution.
Homepage: http://www.greenwoodsoftware.com/less
» uname -a
Linux polyphemus 3.13.0-53-generic #89-Ubuntu SMP Wed May 20 10:34:39 UTC 2015 x86_64 x86_64 x86_64 GNU/Linux
pdftotext -layout $1 -
-layout
переключатель. ;)