我试图从pdf中提取一些信息.我正在尝试使用CAM :: PDF模块中的getpdftext.pl.当我运行$~getpdftext.pl sample.pdf时,它会生成pdf到stdout的文本.
但我正在考虑将其写入文本文件并解析perl中的必填字段.有人可以指导我如何做到这一点？
但是当我尝试在我的perl脚本中调用pdftotext.pl时,我得到一个No No file错误.
use PDF;
use CAM::PDF;
use CAM::PDF::PageText;
use warnings;
use IPC::System::Simple qw(system capture);
$filein = 'sample.pdf';
$fileout = 'output1.txt';
open OUT,">$fileout" or die "error: $!";
open IN,"getpdftext.pl $filein" or die "error :$!" ;
while(<IN>)
{
print OUT $fileout;
}
解决方法
让getpdftext.pl做你想做的事可能会更容易.
使用getpdftext.pl中的代码,这个(未经测试的代码)应该将pdf输出到文本文件.
my $filein = 'sample.pdf';
my $fileout = 'output1.txt';
my $doc = CAM::PDF->new($filein) || die "$CAM::PDF::errstr\n";
open my $fo,'>',$fileout or die "error: $!";
foreach my $p ( 1 .. $doc->numPages() ) {
my $str = $doc->getPageText($p);
if (defined $str) {
CAM::PDF->asciify(\$str);
print $fo $str;
}
}
close $fo;