Comment puis-je extraire le premier paragraphe d'un document PDF à l'aide de CAM :: PDF de Perl?

Question

Comment puis-je extraire le premier paragraphe d'un document PDF en utilisant le CAM::PDF de Perl?

Answer 1

Le PDF ordinaire n'est pas un langage de balisage. Le texte est dessiné à des endroits spécifiques. Il y a quelque chose qui s'appelle Tagged PDF et si vos documents sont étiquetés, votre travail pourrait être plus facile. Je serais enclin à exécuter les documents à l'aide d'un PDF vers un traducteur de texte et à extraire le premier morceau de texte si le texte est stocké sous forme de texte dans votre PDF et non dans des images.

Answer 2

print CAM::PDF->new('file.pdf')->getPageText(1); 

vous obtiendrez tout le texte de la page. Mais, CAM :: PDF n'est certainement pas le meilleur outil pour ce travail particulier (je suis l'auteur). J'ai ajouté l'extraction de texte comme un caprice juste pour voir si je pouvais le faire.