[英]Ghostscript convert a PDF and output in a textfile
1.我需要将PDF文件转换为txt.file。 我的命令似乎工作,因为我在屏幕上获得转换后的文本,但不知何故,我无法将输出定向到文本文件。
public static string[] GetArgs(string inputPath, string outputPath)
{
return new[] {
"-q", "-dNODISPLAY", "-dSAFER",
"-dDELAYBIND", "-dWRITESYSTEMDICT", "-dSIMPLE",
"-c", "save", "-f",
"ps2ascii.ps", inputPath, "-sDEVICE=txtwrite",
String.Format("-sOutputFile={0}", outputPath),
"-c", "quit"
};
}
2.有一个unicode speficic .ps吗?
更新:发布我的完整代码,可能错误在其他地方。
public static string[] GetArgs(string inputPath, string outputPath)
{
return new[]
{ "-o c:/test.txt",
"-dSIMPLE",
"-sFONTPATH=c:/windows/fonts",
"-dNODISPLAY",
"-dDELAYBIND",
"-dWRITESYSTEMDICT",
"-f",
"C:/Program Files/gs/gs9.05/lib/ps2ascii.ps",
inputPath,
};
}
[DllImport("gsdll64.dll", EntryPoint = "gsapi_new_instance")]
private static extern int CreateAPIInstance(out IntPtr pinstance, IntPtr caller_handle);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_init_with_args")]
private static extern int InitAPI(IntPtr instance, int argc, string[] argv);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_exit")]
private static extern int ExitAPI(IntPtr instance);
[DllImport("gsdll64.dll", EntryPoint = "gsapi_delete_instance")]
private static extern void DeleteAPIInstance(IntPtr instance);`
private static object resourceLock = new object();
private static void Cleanup(IntPtr gsInstancePtr)
{
ExitAPI(gsInstancePtr);
DeleteAPIInstance(gsInstancePtr);
}
private static object resourceLock = new object();
public static void ConvertPdfToText(string inputPath, string outputPath)
{
CallAPI(GetArgs(inputPath, outputPath));
}
public static void ConvertPdfToText(string inputPath, string outputPath)
{
CallAPI(GetArgs(inputPath, outputPath));
}
private static void CallAPI(string[] args)
{
// Get a pointer to an instance of the Ghostscript API and run the API with the current arguments
IntPtr gsInstancePtr;
lock (resourceLock)
{
CreateAPIInstance(out gsInstancePtr, IntPtr.Zero);
try
{
int result = InitAPI(gsInstancePtr, args.Length, args);
if (result < 0)
{
throw new ExternalException("Ghostscript conversion error", result);
}
}
finally
{
Cleanup(gsInstancePtr);
}
}
}
2个问题,2个答案:
要获取输出到文件,请在命令行上使用-sOutputFile=/path/to/file
,或添加行
"-sOutputFile=/where/it/should/go",
你的c#
代码(可以是第一个参数,但应该在你的第一个"-c"
。但首先要摆脱你已经在那里的其他-sOutputFile
东西...... :-)
不,PostScript不了解Unicode。
更新
(备注:可靠地从PDF中提取文本(出于各种技术原因)非常困难。它可能根本不起作用,无论你尝试哪种工具......)
在命令行上,以下两个应该适用于最近发布的Ghostscript(当前版本是v9.05)。 这将是你自己的工作......
c#
代码。 txtwrite
设备: gswin32c.exe ^
-o c:/path/to/output.txt ^
-dTextFormat=3 ^
-sDEVICE=txtwrite ^
input.pdf
笔记:
gswin64c.exe
(如果可用)。 -o
语法仅适用于最新版本的Ghostscript。 -o
语法也隐含地设置了-dBATCH
和-dNOPAUSE
参数。 -o
速记不起作用,请将其替换为-dBATCH -dNOPAUSE -sOutputFile=...
-dTextFormat
默认设置为3
,因此这里不需要它。 '合法'的价值观是:
0
:这将输出XML转义的Unicode以及与文本格式相关的信息(位置,字体名称,磅值等)。 仅供开发人员使用。 1
:与0
相同,但会输出文本块。 2
:输出带有BMO(字节顺序标记)的Unicode(UCS2)文本; 尝试近似原始文档中的文本布局。 3
:( 默认)与2
相同,但文本以UTF-8编码。 -dTextFormat
修饰符的txtwrite
设备是Ghostscript的一个相当新的资产,所以如果找到bug ,请报告错误 。 ps2ascii.ps
gswin32c.exe ^
-sstdout=c:/path/to/output.txt ^
-dSIMPLE ^
-sFONTPATH=c:/windows/fonts ^
-dNODISPLAY
-dDELAYBIND ^
-dWRITESYSTEMDICT ^
-f /path/to/ps2ascii.ps ^
input.pdf
笔记:
txtwrite
设备完全不同的方法,不能与它混合使用! ps2ascii.ps
是一个文件 ,是Ghostscript调用以提取文本的PostScript程序。 它通常位于Ghostscript installdir的/lib
子目录中。 去看看它是否真的存在。 -dSIMPLE
可以由dCOMPLEX
替换,以打印出额外的信息行(当前颜色,图像的存在,矩形填充)。 -sstdout=...
是必需的,因为ps2ascii.ps
PostScript程序仅打印到stdout,不能告诉写入文件。 所以-sstdout=...
告诉Ghostscript将其stdout重定向到一个文件。 不要忽略可能更容易使用的其他非Ghostscript方法。 以下所有内容都是跨平台的,也应该在Windows上可用:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.