Я ищу способ "одним щелчком" взять ЛЮБОЙ PDF и преобразовать его в обычный текст. В идеале на OSX или Linux.
В идеале решение должно включать в себя функциональность OCR, но это не обязательно.
Главным приоритетом является наличие чего-либо, что может принять ЛЮБОЙ файл БЕЗ конфигурации.
Есть xpdf, который включает двоичный файл pdftotext .
Pdftotext преобразует файлы Portable Document Format (PDF) в обычный текст.
На Linux есть установщик. Похоже, он также входит в пакет poppler-utils . На OS X вы можете установить его, используя Homebrew (сначала установите его), а затем использовать
brew install homebrew/x11/xpdf
который загрузит исходные файлы и скомпилирует его для OS X. После этого просто используйте его так:
pdftotext your_pdf_file.pdf
который будет генерировать простой текстовый файл. Также есть несколько вариантов, для получения более подробной информации обратитесь к man pdftotext .
Альтернативой является poppler, в OSX:
brew install poppler
в Debian и друзья
apt-get install poppler-utils
Хорошим инструментом для Windows является A-PDF Text Extractor