如何从PDF文档中提取文本？
如何 使用PHP 从PDF文档中提取文本？
（我不能使用其他工具，我没有root用户访问权限）
我发现一些函数可用于纯文本，但是它们不能很好地处理Unicode字符：
http://www.hashbangcode.com/blog/zend-lucene-and-pdf-documents-part-2-pdf-
data-extraction-437.html
问题答案：
下载 class.pdf2text.php @
https://pastebin.com/dvwySU1a或http://www.phpclasses.org/browse/file/31030.html（需要注册）
码：
include('class.pdf2text.php');
$a = new PDF2Text();
$a->setFilename('filename.pdf');
$a->decodePDF();
echo $a->output();
-
class.pdf2text.php项目首页 -
pdf2textclass不适用于我测试过的所有PDF，如果不适用于您，请尝试使用PDF Parser
-
我知道以前也有人问过类似的问题，但是这些问题已经过时了（有些问题可以追溯到2006年）。 我有一个. net 3.5应用程序（w/iTextSharp 5），我正在转换为. net核心（iText 7），它从联邦快递跟踪文档中提取签名，通过SOAP服务以字节[]数组发送。这段代码多年来一直运行良好，只是略有更新。从联邦快递返回的PDF文档中有几个图像，但签名块不是110x46图像（这是pdf文件中
-
问题内容： 我正在尝试使用提取此 PDF文件中包含的文本。 我正在使用PyPDF2模块，并具有以下脚本： 运行代码时，得到以下输出，该输出与PDF文档中包含的输出不同： 如何提取PDF文档中的文本？ 问题答案： 要从PDF提取文本，请使用以下代码
-
我正在从一个PDF文档中提取文本。这个PDF是使用一个从AS400读取数据的WS生成的。所以打印文本时，输出是这样的： 和«VS123»，«VS124»是AS400中的变量。Java APi无法从变量中读取值，无法打印变量名而不是变量值。 我用的是PDFBoxhttps://pdfbox.apache.org/提取文本。代码源如下： 输出从以下错误堆栈开始： 避免：字体为ArialMT 2017年
-
问题内容： 我需要从服务器上的PDF文件中提取所有图像。我不想要PDF页面，只想要原始尺寸和分辨率的图像。 如何使用Perl，PHP或任何其他基于UNIX的应用程序（我将使用PHP的exec函数调用它）来做到这一点？ 问题答案： pdfimages就是这样做的。它是poppler- utils和xpdf-utils软件包的一部分。 从联机帮助页： Pdfimages将可移植文档格式（PDF）文件中
-
问题内容： 我想使用PDFMiner从PDF文件中提取所有文本框和文本框坐标。 其他许多Stack Overflow帖子都介绍了如何以有序方式提取所有文本，但是我该如何做获取文本和文本位置的中间步骤呢？ 给定一个PDF文件，输出应类似于： 问题答案： 换行符在最终输出中转换为下划线。这是我发现的最小工作解决方案。
-
假设我的用户去了他们办公室的扫描仪。扫描仪能够生成扫描文档的PDF。这基本上就是我拥有的文件类型。 我想做的是从这个PDF中提取文本。这不是“第一代”pdf，因为文本没有嵌入到pdf中。文本嵌入在PDF中的图像中。 PDFBox的iText中是否有允许检索此数据的功能？如果可能的话，我正在尝试避免对图像进行OCR。我希望IText或PDFBox中有一些内置的东西可以做到这一点。 请注意，我不是在谈