Когда я пытаюсь извлечь текст из PDF с помощью команды pdftotext в Linux, я получил ошибку

Question

root @ kali:~/Desktop # pdftotext PaySlip.pdf

Синтаксическая ошибка: отсутствует конец потока или неверная длина потока

Что это значит ? Разве он не может найти конец файла PDF?
Пожалуйста помоги .

Answer 1

PDF-файл содержит объекты; объекты могут содержать потоки (часто сжатые), и поток завершается endstream . Откройте его в текстовом редакторе, чтобы лучше понять, как это выглядит.

Таким образом, по крайней мере один объект в вашем PDF-файле может быть поврежден, потому что заданная длина потока не соответствует положению, где должен быть endstream . Другие инструменты PDF могут или не могут заботиться об этом несоответствии (именно поэтому вы можете делать забавные вещи с файлами PDF).

Итак: Исправьте файл PDF, либо вручную, либо вы можете попробовать такие инструменты, как mutool .