Perl 哪一个模块可以有效地一次性解析.pdf文件？CAM:：PDF或PDF:：API2

我想从一个巨大的pdf文件[50MB]中提取所有关键字？ 哪个模块适合解析大型pdf文件？ 我关心解析巨大文件的内存&提取几乎所有的关键字！

---

这里我想要SAX类型的解析[一次性解析]&而不是DOM类型的[类似于XML]。

要从PDF中读取文本，我们使用

CAM:：PDF

，它工作得很好。在一些较大的文件上速度不是很快，但是处理大文件的能力也不错。我们当然有一些是~100Mb，并且处理得很好。如果我记得的话，我们在32位（Windows）Perl上遇到了一些130Mb的问题，但当时我们的内存中有很多其他东西。我们确实研究了

PDF:：API2

，但它似乎更倾向于生成能够从中读取的PDF。我们没有将大文件放入

PDF:：API2

，因此我无法给出真正的基准数据

我们发现使用

CAM:：PDF

的唯一显著缺点是PDF 1.6变得越来越普遍，而这在CAM:：PDF中根本不起作用。这可能不是你的问题，但它可能是一件值得考虑的事情。

---

在回答您的问题时，我非常确定这两个模块都以某种形式将整个源PDF读入内存，但我不认为

CAM:：PDF

会从中构建更多复杂的结构。因此两者都不是真正的SAX，但总体而言，

CAM:：PDF

似乎更轻，一次可以检索一个页面，因此可能会减少提取非常大文本的负载

您是否尝试过标题中列出的模块？其中一个对你有好处吗？没有！我试过只使用CAM:：PDF。那你为什么不试试另一个，看看它是否更适合？