V2EX = way to explore V2EX 是一个关于分享和探索的地方
Sign Up Now For Existing Member Sign In
请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 1740 days ago, the information mentioned may be changed or developed.
不需要 OCR 的，都是完全电子版的 PDF 文件。
最好是用脚本的比如 python，尝试过 pdfminer 感觉性能很弱鸡，鲁棒性也不够（也可能是我用的不对？在一个 1 核 2G 的云服务器上跑 50 页左右的，经常被强制 KILL ）；
实在不行也可以用软件，但是必须要能批量（手头文件很多）
谢谢大噶，被一个小需求烦死了，感觉市面上解决方案不多。
 | 1 kkocdko Jul 22, 2021 via Android pdf.js 渲染然后 innerText 没试过，不知道行不行。另外能本地完成为啥要在服务器上跑 |
 | 2 ikas Jul 22, 2021 Apache Tika...只是用过 |
 | 3 felixcode PRO 用 calibre 的命令行工具转换 |
 | 4 reallittoma Jul 22, 2021 可以用 Ghostscript |
 | 5 Latin Jul 22, 2021 |
 | 6 zjsxwc Jul 22, 2021 gs -sDEVICE=txtwrite -o output.txt input.pdf |
 | 7 cnoder Jul 22, 2021 unoconv 我们生产环境的转换用的这个 |
 | 8 goxxoo Jul 22, 2021 pdf 2000 页的路过 ，才 50 页，不存在性能问题 |
Select Language