ruby 或 python 中是否有任何方法可以将 pdf 转换为 xml

【问题标题】：Is there any method in ruby or in python to convert pdf to xmlruby 或 python 中是否有任何方法可以将 pdf 转换为 xml
【发布时间】：2011-07-20 05:31:12
【问题描述】：

最近我有一个要求，比如我需要将 pdf 文件转换为 xml。所以请告诉我如何用 python 或 ruby 编程语言来做。请尽快回复我的问题您的帮助将不胜感激..

【问题讨论】：

您想从 PDF 中提取数据并将其放入 XML 文件中，还是要将 PDF 表示为 XML（及其所有布局信息）？
我只想从 pdf 中提取数据并放入 xml。但是我什至想知道另一种方法，所以请告诉我这两种方法

标签： xml pdf doc

【解决方案1】：

使用pdftohtml。

可以用brew install pdftohtml安装。这会将pdftohtml 添加到您的路径中。

因此，要将 pdf 转换为 xml，您可以运行 pdftohtml -xml your_file.pdf your_file.xml

在 python 中，你可以使用这些行：

import os

cmd = 'pdftohtml -xml your_file.pdf your_file'
os.system(cmd)

！请注意，pdftohtml 会自动将“xml”扩展名添加到您的第二个文件输入中

【讨论】：

我知道这是一篇很老的帖子，但以防万一有人偶然发现它，我建议：brew install poppler 它包含 pdftohtml 并且具有更多功能并且仍然受支持。