Perl 为什么我无法使用CAM:：PDF解析非比例文本？

在解析的第22页时，我能够解析除

mount_vxfs

之外的所有单词，因为其编码样式和/或字体不同于普通纯文本。 有关详细信息，请参阅附件中的PDF页面

请查找我的代码：-

`#!/usr/bin/perl
use CAM::PDF;
my $file_name="vxfs_admin_51sp1_lin.pdf";
my $pdf = CAM::PDF ->new($file_name);
my $no_pages=$pdf->numPages();
print "$no_pages\n";
for(my $i=1;$i<$no_pages;$i++){
my $page = $pdf->getPageText($i);
//for page no. 22
//if($i==22){ 
print $page;
//}
}`

`#/usr/bin/perl
使用CAM:：PDF；
我的$file\u name=“vxfs\u admin\u 51sp1\u lin.pdf”；
my$pdf=CAM:：pdf->new（$file\u name）；
my$no_pages=$pdf->numPages（）；
打印“$no_页面\n”；
对于（我的$i=1；$igetPageText（$i）；
//第22页
//如果（$i==22）{
打印$page；
//}
}`

PDF不存储您阅读的语义文本，而是使用映射到特定字体中的字形（绘制的字符）的字符代码。但是，通常情况下，代码字形映射匹配常见字符集（如ISO-8859-1或UTF-8）因此，代码是人类可读的。这是所有你能够解析的文本的情况，尽管有时奇怪的字符，主要是标点符号，也是“错误的”

不幸的是，文档中“mount_vxfs”的文本编码完全不同，这导致了明显的垃圾。如果您感到好奇，您可以在代码中用getPageContent（）替换getPageText（）来查看真正的内容

为了将PDF文本转换回有意义的字符，PDF阅读器必须使用大量的转换表（包括所谓的CMAP）跳转。因为这是大量的编程工作，许多简单的库选择不实现它们。CAM:：PDF就是这样

如果您只是对解析文本感兴趣（而不是编辑文本），那么我成功地使用了以下技术：

获取xpdf(http://foolabs.com/xpdf)还是波普勒(http://poppler.freedesktop.org/).Poppler是xpdf的新分支。如果您使用*nix，将有一个可用的包

使用命令行工具“pdftotext”从文件中提取文本，可以是逐页提取，也可以一次提取全部文本

例如：

#!/usr/bin/perl
use English;
my $file_name="vxfs_admin.pdf";

open my $text_fh, "/usr/bin/pdftotext -layout -q '$file_name' - 2>/dev/null |";
local $INPUT_RECORD_SEPARATOR = "\f";    # slurp a whole page at a time
while (my $page_text = <$text_fh>) {
    # this is here only for demo purposes
    print $page_text if $INPUT_LINE_NUMBER == 19;
}
close $text_fh;

！/usr/bin/perl
使用英语；
我的$file\u name=“vxfs\u admin.pdf”；
打开我的$text\u fh，“/usr/bin/pdftotext-layout-q'$file\u name'-2>/dev/null |”；
本地$INPUT_RECORD_SEPARATOR=“\f”#一次发出一整页的声音
while（我的$page\u text=）{
#这里仅用于演示目的
如果$INPUT\U LINE\U NUMBER==19，则打印$page\U text；
}
关闭$text_fh；

---

（注意：我使用您的链接检索到的文档略有不同；有问题的部分在第19页。）

Mat，发生了什么事……请尽可能说明原因？？？？？？？也许你应该向我们展示你的代码，而不是你链接到的pdf的截图。我认为你的键盘出了问题。曼迪，在27个问题之后，你应该知道不要在评论中发布代码。请编辑你的问题，并用正确的格式添加代码惯性导航与制导。