关于pdf的模块

doiob

UID: 20086
帖子: 106
积分: 243
在线时间: 15 小时

1^# doiob 发表于 2005-12-23 20:50

关于pdf的模块

关于pdf的模块
各位高人,能否告诉我有没有能直接从pdf文档的表格中提取内容的模块啊?或者有没有能将pdf文档转换成html的模块啊?谢谢啊!

fayland

UID: 42116
帖子: 36
积分: 82
在线时间: 1 小时

2^# fayland 发表于 2005-12-23 21:27

我没用过 pdf 的东西，不过看见很多人都在推荐 PDF::API2
你可以试试 search.cpan.org

qiang

UID: 17966
帖子: 1
积分: 2
在线时间: 10 分钟

3^# qiang 发表于 2005-12-23 23:54

这里有篇不错的 pdfapi 文档http://www.printaform.com.au/clients/pdfapi2/

不过好像不是那么容易实现。其他方法你可以尝试的有：

你可以试着把 pdf 转成 html, 然乎再用 HTML::Parser 或 HTML::TokeParser::Simple 来提出文字。 http://sourceforge.net/projects/pdftohtml
adobe 有个在线转换服务,不过只转英文的。 http://www.adobe.com/products/acrobat/access_onlinetools.html

linux 里也有一个 pdftotext， debian 下是 xpdf-utils 包里的。

要是文件少的话，就打开 PDF,　copy/ paste 你想要的东西。 :----)

没做过 pdf 的东西，如果你尝试成功了，汇报一下。

fperl

UID: 12192
帖子: 1
积分: 2
在线时间: 10 分钟

4^# fperl 发表于 2005-12-27 01:45

PDF::API2曾经试过用来产.
PDF::API2曾经试过用来产生pdf文档，主要想法是做Web base report，不过这东西实在太复杂，而且对中文的支持不大好（字体不多，好象字体不是随便可以给的），后来就没弄过了。不过要是从pdf到其他格式可能就有些困难，因为pdf文档可以是加密的，哪些内容可以导出也是由作者设定的，和doc不一样，加密后就不好解了。