PDF文字提取工具 xpdf_pdftotext
已经配置好配置文件
pdftotext ? Portable Document Format (PDF) to text converter (version 4.03)
http://www.xpdfreader.com/pdftotext-man.html
通过XPDF读取PDF内容并转化为txt格式的过程中，可能会出现如下提示：
Syntax Error: Unknown character collection 'Adobe-GB1'
Syntax Error: Couldn't find 'UniGB-UTF16-H' CMap file for 'Adobe-GB1' collection
Syntax Error: Unknown CMap 'UniGB-UTF16-H' for character collection 'Adobe-GB1'
Syntax Error: Failed to parse font object for 'AdobeSongStd-Light'
————————————————
这是因为我们仍缺少最后一步的配置操作：将D:\ProgramFiles\xpdf\xpdf-chinese-simplified\目录下面的add-to-xpdfrc文件复制到D:\Program Files\xpdf\bin64\目录下，将其改名为xpdfrc，打开该文件修改内容为如下：
————————————————
2021-04-01 09:09:00
12.69MB
1
本文档包含全世界244个国家和地区的中英文名称全称，名称英文全称，名称英文代码(2位和3位)以及数字代码列表。例如：中文简称（中国）英文简称(China) 英文全称(the People's Republic of China) 两字母代码(CN) 三字母代码(CHN) 数字代码(156)， 在网上搜罗了好久，真是难得，为了帮助有需要的朋友，节省大家获取资源的时间，同时也感谢大家的关注。
2021-03-31 11:11:26
174KB
1
本文详细介绍ISILON Image重装节点的系统，另外，还介绍到了Image系统的详细步骤及注意事项。
2021-03-25 15:00:31
544KB