从 PDF 中裁剪和提取文本答案

【问题标题】：Crop and extract text from PDF从 PDF 中裁剪和提取文本
【发布时间】：2011-06-01 01:26:48
【问题描述】：

我使用以下命令裁剪了 PDF。

gswin32c.exe ^
-o cropped.pdf ^
-sDEVICE=pdfwrite ^
-c "[/CropBox [64 418 348 803] /PAGE pdfmark" ^
-f original.pdf

PDF 被裁剪。我使用以下命令从裁剪的 PDF 中提取文本。

gswin32c.exe ^
-q ^
-sFONTPATH=c:/windows/fonts ^
-dNODISPLAY ^
-dSAFER ^
-dDELAYBIND ^
-dWRITESYSTEMDICT ^
-dSIMPLE ^
-f ps2ascii.ps ^
-dFirstPage=1 ^
-dLastPage=1 ^
cropped.pdf ^
-> c:\output.txt ^
-dQUIET

输出包含原始 PDF 的文本，而不是裁剪后的 PDF。

有人可以帮助仅从裁剪的 PDF 中提取文本吗？

谢谢纳泽尔

【问题讨论】：

标签： pdf text extract crop

【解决方案1】：

你得到的结果正是预期的结果。

裁剪 PDF 页面不的意思是：剪掉裁剪区域周围的所有内容并将其删除。
裁剪意味着：只显示裁剪区域内的内容（并缩放到该区域），并隐藏其周围的内容。

因此，当您将此类页面转换为文本时，您还将获得隐藏的内容。

【讨论】：

有没有办法删除隐藏的内容？

【解决方案2】：

如果您尝试不同的方法将cropped.pdf 转换为文本，您可能会更幸运：

在 Acrobat/Adobe Reader 中打开。

点击“文件-->另存为文本...”

【讨论】：