Ho provato diversi programmi: pdftotext, pdf2txt.py, ... Tutti possono estrarre testo da PDF, ma quello che sta facendo il lavoro migliore è buono o vecchio less
: il testo dal PDF ha un layout adeguato. Come sta facendo di meno? Utilizza una libreria o l'elaborazione PDF è integrata?
Lo sto chiedendo perché vorrei utilizzare questa funzionalità a livello di codice, senza dover necessariamente eseguire meno come programma esterno (sto facendo Python).
Il mio sistema è:
» 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 -