使用Perl从PDF中提取图像/文本

Question

我正在尝试使用Perl从PDF文件中提取文本/图像/表格。

我尝试使用CAM::PDF，它不是以文本形式提取的，而是以其他格式提取的。

有没有一种方法可以使用Perl模块从PDF中提取文本/图像/表格？

Answer 1

@priya..我尝试了这个模块，它可以很好地提取PDF文本。

use strict;
use warnings;
use PDF::OCR::Thorough;


my $filename = "pdf.pdf";

my $pdf = PDF::OCR::Thorough->new($filename);
my $text = $pdf->get_text();
print "$text";

Answer 2

使用CAM::PDF。它有一些方法可以帮助你提取图像或其他元素：

$doc->getProperty($pagenum, $propertyname)
Each PDF page contains a list of resources that it uses (images, fonts, etc). getPropertyNames() returns an array of the names of those resources. getProperty() returns a node representing a named property (most likely a reference node).