Мне нужно преобразовать PDF-файлы в текст, и в настоящее время я использую pdftotext.exe. Иногда это портит результирующий текст, поэтому я не могу его использовать.
Есть ли другой бесплатный инструмент, который я могу вызвать из другой программы? Я бы предпочел инструмент командной строки.
PDF может быть сложно преобразовать в текст в зависимости от его структуры, но вы можете получить хорошие результаты с помощью iTextSharp или GhostScript или коммерческого компонента, например: с www.tallcomponents.com (не аффилированного)
Файлы PDF обычно не содержат какой-либо структуры, поэтому программа должна угадать ее. Я написал сообщение в блоге по этим вопросам на http://www.jpedal.org/PDFblog/2009/04/pdf-text/
Вы также можете попробовать PdfBox.
Я считаю, что Apache PDFBox намного лучше, чем pdftotext. Он извлекает текст способом, который намного ближе к исходному форматированию документа. Его можно запустить из командной строки.
