将PDF转换为格式化ASCII-what'；这是最先进的吗？

我正在寻找一个实用程序或库，用于从PDF中提取文本并将其格式化为纯文本，同时尽可能多地保留原始布局（如表、列等）

我们目前正在使用pdftotext，但我想知道是否有更好的方法。它必须是一个命令行工具或库，我们可以链接到我们的应用程序

---

pdftotext是否达到了它所能达到的水平，或者有更好的吗？

不久前有一个SoC项目。IIRC在重建多列文档、表格和图形方面做得相当好。还有一个命令行界面。

不久前有一个SoC项目。IIRC在重建多列文档、表格和图形方面做得相当好。还有一个命令行界面。

为了让其他有同样问题的人受益：我们最终使用了

pdftotext

，尽管它有缺点（比如有时在使用字体子集时产生垃圾输出）

---

另请参见：

为了让其他有同样问题的人受益：我们最终选择了

pdftotext

，尽管它有缺点（比如有时在使用字体子集时产生垃圾输出）

---

另请参见：

部分问题在于，我认为一些更简单的pdf操作/创建工具不添加文本，而是将文本保存为静态图像（如pdf文件）的一部分。对于这些文件，您必须使用OCR。

部分问题在于，我认为一些更简单的pdf操作/创建工具不添加文本，而是将文本保存为静态图像（如pdf文件）的一部分。对于这些文件，您必须使用OCR。

有许多pdf库。。。只要谷歌一下。有很多pdf库。。。只需谷歌一下。