pdfファイルをtext形式に変換

こんばんは

本日は、pdfファイルからテキスト部分を抽出するコマンド、

pdftotextを紹介いたします

pdftotextコマンドをCentOS5で使用するには、xpdfパッケージがなくなっており、
poppler-utilsというパッケージをインストールする必要があるとの事なので、
実際にインストールしてみます

■インストール

# yum install poppler-utils　を入力し、実行する。

以下のような画面が表示されますので、[y]を押してEnterキーを押してください。

■稼働確認

以下のPDFを使用致します。

http://www.itec.co.jp/topics/pdf/20110525.pdf

インストール済みのFirefoxなどで開いてみます。

また、任意の場所にPDF保存を致します。

以下のコマンドにてテキストに変換してみます。

#pdftotext 20110525.pdf 20110525.txt

変換したテキストを開いてみますと、テキストのみ表示されるのが分かります

他にも、以下のコマンドもあります。

textEncodingで指定した文字コードでテキストファイルを生成します。
場合によって文字コードを変更したい場合は、-encオプションで適切な文字コードを指定する。

#pdftotext -enc EUC-JP sample.pdf sample.euc　←EUCで出力
#pdftotext -enc Shift-JIS sample.pdf sample.euc　←シフトJISで出力

本日は、ここまでとしま～す

また、アップいたしますので、お待ちください