PDF to TXT - poppler-utils. Hur funkar det?

[Blanders]

Hur gör man för att konvertera pdf till txt?

[Konservburk]

Det finns ett program som heter pdftotext som följer med paketet poppler-utils. Det är ett kommandoradsprogram utan grafiskt gränssnitt. Det används lämpligen genom att i en terminal köra kommandot:

Kod: Markera allt

pdftotext /sökväg/till/filen.pdf

[Blanders]

Kod: Markera allt

Kommandot "pdftotxt" hittades inte. Menade du:
 Kommandot "pdftotext" från paketet "xpdf-utils" (universe)
 Kommandot "pdftotext" från paketet "poppler-utils" (main)
pdftotxt: kommandot hittades inte

poppler-utils är förvisso installerat.

[Konservburk]

Du försökte med pdftotxt, som inte finns. Kommandot heter pdftotext med ett e tredje bokstaven från slutet.

EDIT: Jag kan ju passa på att tipsa om tab-komplettering. Skriv första delen av kommandot och tryck sedan på tab-tangenten så fylls resten i automatiskt eller så får du olika möjligheter listade.

[Blanders]

Oj, sorry... är lite tjött

Jag fick en .txt-fil men bara med massa jibbrisch.

[Blanders]

Oj, sorry... är lite tjött

Jag fick en .txt-fil men bara med massa jibbrisch.

Har utfallet nåt att göra med var pdf-filen kommer från? I detta fall är den gjord i Mac [Mac OS X 10.5.8 Quartz PDFContext]

[Konservburk]

Jag föreslår att du testar med ett par olika pdf-dokument för att ta reda på om du alltid får samma fel, eller om det beror på just den här pdf-filen.

[Blanders]

Ok, ska göra det. Jag har redan testat ett par online-tjänster med samma jibbrisch-resultat.

[Blanders]

Det funkar utmärkt med en egen pdf-fil exporterad från OO.
Då kanske det är nåt med just den aktuella pdf-filen som inte synkar?

[Konservburk]

Det verkar så ja. Den kanske är krypterad och lösenordsskyddad?

[Blanders]

Jag kan undersöka om lösenord finns. Syns inte det i dok.egenskaperna då?

[Konservburk]

Jag vet tyvärr inte. Jag har inte jättebra koll på pdf-formatet.

[Luxwarp]

jämför filegenskaperna på olika pdf filer, den som fungerar och den som ger jibbrisch eller vad du kalla det

[Blanders]

jämför filegenskaperna på olika pdf filer, den som fungerar och den som ger jibbrisch eller vad du kalla det

Jibbrish-varianten har avvikande egenskaperna 'PDF 1.3' och att den är gjord i Mac OS X 10.5.8 Quartz PDFContext

Den som funkar är exp i OO och har formatet 'PDF 1.4'

[mcNisse]

En pdf kan innehålla olika saker. En pdf genererad från OO, kan innehålla texten i klartext. Klart det går bra att få ut det då. Andra innehåller en tiff bild där man verkligen måste köra ett OCR-program på för att få ut texten.

Jag försökte tolka filer ur comes vs microsoft. Vissa gick bra andre fungerade inte. De flesta har urkass kvalité.

Jag hittade ett program som rättade till texten så att texten blev horisontell. Många dokument är skannade lite snett. Det hjälpe en del.
Men är kvalitén på rådatat kasst är det svårt...

[Blanders]

En pdf kan innehålla olika saker. En pdf genererad från OO, kan innehålla texten i klartext. Klart det går bra att få ut det då. Andra innehåller en tiff bild där man verkligen måste köra ett OCR-program på för att få ut texten.

Jag försökte tolka filer ur comes vs microsoft. Vissa gick bra andre fungerade inte. De flesta har urkass kvalité.

Jag hittade ett program som rättade till texten så att texten blev horisontell. Många dokument är skannade lite snett. Det hjälpe en del.
Men är kvalitén på rådatat kasst är det svårt...

Dokumentet ifråga är ett .rtf skrivet i windows.

[mcNisse]

Då är filen troligtvis genererad med en printerdrivrutin. Det innebär att det borde gå bra att köra ett OCR-program för att få fram texten. Är pdftotext ett sådant?