Xpdf使用说明之pdftotext

pdftotext

PDF文本转换器 3.04

使用

在命令行中输入
pdftotext [选项] [文件PDF文件] [文本]

描述
pdftotext将PDF转换为纯文本。
pdftotext读取PDF文件，将PDF文件转换为纯文本文件。如果对文本文件没有很特别的要求，那么pdftotext可以将PDF转换为纯文本文件。得到的文本文件是标准输出。

配置文件
pdftotext一启动便会读取配置文件。首先尝试查找用户的个人配置文件~/.xpdfrc.如果个人配置文件不存在，那么就会去找寻系统配置文件，通常在/usr/local/etc/xpdfrc这个位置（这个位置可能会根据安装时的不同而改变）
配置文件详见Xpdf主页
http://www.foolabs.com/xpdf/

选项
下面许多选项可以在配置文件中配置。下面列出了对应命令行选项的详细介绍。
-f 数字
设置开始转换的页数
-l 数字
设置结束转换的页数
-layout
保持原始布局（尽最大的可能）。默认是格式化了原本的布局（断字，列格式等）同时按顺序给出文本。如果 -fixed选项被使用那么线内的字符间距将由指定的字符间距来确定。
-table
类似于原始布局模式，但优化表格数据，以保持行和列目标的对齐（将额外插入空格）。如果 -fixed选项被使用那么线内的字符间距将由指定的字符间距来确定。
-lineprinter
行打印模式，使用了一个严格的固定字符间距和固定高度的布局。就是说文档内容被分割到不同的格子中。如果网格间距小于实际字符的大小，结果将有额外空格。如果网格间距大于实际字符的大小，结果将丢失空格。格子可以使用-fixed和-linespacing选项。如果这两个选项都没有使用，那么pdftotext将尝试给出一个合适的间距。
-raw
文本文件将保持内容流的顺序。这取决与pdf是如何生成的。这个选项可能有用可能没用
-fixed 数字
指定字符间距（字符宽度），在原始布局，表格和行打印模式中使用。这是忽略在所有其他模式。
-linespacing 数字
指定行空间，在原始布局，表格和行打印模式中使用。这是忽略在所有其他模式。
-clip
文本创建布局时会自动换行。这有助于表格中内联模式的文本自动换行。
-enc 编码格式
设置输出时的编码。这编码格式必须用unicode图集的命令行（详见 xpdfrc(5)）编码名称是区分大小写的。默认为“latin1”
[配置文件: textEncoding]
-eol unix | dos | mac
设置最后文本输出格式。
[配置文件: textEOL]
-nopgbrk
不要插入页面之间的中断（表单中的字符）。
[配置文件: textPageBreaks]
-opw 密码
指定PDF文件所有者密码。提供这将绕过所有的安全限制。
-upw 密码
指定PDF文件用户密码。
-q
不输出任何错误信息。
[配置文件: errQuiet]
-cfg 配置文件
指定配置文件。
-v
输出版权和版本信息。
-h
输出有用的信息。（-help 和–help是相当的）

BUGS
一些PDF文件内容字体的编码不明晰，所以无法从中读取信息到文本文件。

出错代码
Xpdf出错是代码的含义
0 正常
1 打开PDF出错
2 打开输出文件出错
3 PDF权限相关错误
99 其它错误