不需要 OCR 的，都是完全电子版的 PDF 文件。
最好是用脚本的比如 python，尝试过 pdfminer 感觉性能很弱鸡，鲁棒性也不够（也可能是我用的不对？在一个 1 核 2G 的云服务器上跑 50 页左右的，经常被强制 KILL ）；
实在不行也可以用软件，但是必须要能批量（手头文件很多）
谢谢大噶，被一个小需求烦死了，感觉市面上解决方案不多。
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 1936 days ago, the information mentioned may be changed or developed.
 |
kkocdkoJul 22, 2021 via Android
1
pdf.js 渲染然后 innerText
没试过，不知道行不行。另外能本地完成为啥要在服务器上跑 |
 |
ikasJul 22, 2021
2
Apache Tika...只是用过
|
 |
3
用 calibre 的命令行工具转换
|
 |
reallittomaJul 22, 2021
4
可以用 Ghostscript
|
 |
LatinJul 22, 2021
5
|
 |
zjsxwcJul 22, 2021
6
gs -sDEVICE=txtwrite -o output.txt input.pdf
|
 |
cnoderJul 22, 2021
7
unoconv 我们生产环境的转换用的这个
|
 |
goxxooJul 22, 2021
8
pdf 2000 页的路过 ，才 50 页，不存在性能问题
|
Select Language