Tentando converter pdf em texto de graça

Estou usando o OSX e gostaria de poder converter arquivos PDF em texto.

Eu gostaria de um aplicativo gratuito para fazer isso, pois tenho certeza de que deve haver alguns.

Aqui estão as etapas que eu usei para instalar e usar o xpdf via Homebrew.

1. Instale as dependências do Homebrew:

   xcode-select --install
   

2. Instale o Homebrew no site:

   /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
   

3. Faça o que for solicitado para concluir a instalação do Homebrew.

4. Verifique se o Homebrew está feliz e funcionando conforme as especificações.

   brew doctor
   

5. Em seguida, instale o xpdf e suas dependências:

   brew install Caskroom/cask/xquartz
   
   brew install xpdf
   

6. Por fim, use pdftotext, um pacote que vem com o pacote xpdf:

   pdftotext Some_Document.pdf Some_Document.txt
   

O primeiro nome do arquivo é um PDF existente; o segundo é o destino. Os resultados foram muito melhores do que com uma versão (reconhecidamente antiga) do Adobe Acrobat. Edit: Novas versões (2019) do Adobe Acrobat mostraram resultados igualmente ruins.

Múltiplos métodos.

1. Use documentos do Google (você precisará de uma conta do Google)

2. Use o Automator (algum trabalho é necessário)

Você pode usar o Automator para criar um fluxo de trabalho que possa extrair texto de PDFs e salvá-lo como um documento de texto ou RTF.

ou um aplicativo da App Store, por exemplo, PDF para texto

xpdf que eu instalei com portas:

port install xpdf

contém:

xpdf-pdftotext

Ele faz o que você deseja para qualquer arquivo PDF proveniente de um arquivo de texto (e não de uma imagem):

xpdf-pdftotext PDF_file text_file

A versão atual do Adobe Reader (11.0.09) possui um item "Salvar como outro" no menu Arquivo.

Uma das opções é texto .

O aplicativo é gratuito e faz um trabalho decente produzindo arquivos de texto. Todas as imagens no novo documento serão perdidas no formato .txt.

Eu acho que você deve ser capaz de copiar e colar o texto em outro documento. Para selecionar todo o texto

Abra o PDF em "Visualizar" e

• escolha "Editar | Selecionar tudo"
• escolha "Editar | Copiar"

Vá para outro aplicativo, diga "Edição de texto"

• escolha "Editar | Colar"

Observe que, se você tentar fazer isso, e não houver texto colado, apenas um monte de linhas em branco, tente imprimir primeiro o PDF em um novo PDF, por exemplo,

• Na visualização, escolha "Arquivo | Imprimir"
• No canto inferior direito, escolha "PDF | Salvar como PDF"
• Isso exporta um novo PDF.

Agora tente o processo acima com este novo PDF. Trabalhou para mim!

PS: Se você possui o Microsoft Word, poderá abrir seu PDF no Word

O seguinte script python produzirá o texto de um documento PDF para um arquivo .txt. (Observação: não há garantia de que o texto esteja necessariamente em ordem legível humana 'lógica', devido à maneira como os dados são mantidos no formato PDF.)

O script criará arquivos de texto para qualquer arquivo PDF fornecido como argumento na linha de comando (por exemplo pdf2txt.py myPDF.pdf), ou você pode usar a ação "Executar script de shell" do Automator, configurando o tipo de shell para python e Passar a entrada para "Como argumentos" . Em seguida, você pode usá-lo como uma Ação rápida ou DropApp.

#!/usr/bin/python
# coding: utf-8

import os, sys
from Quartz import PDFDocument
from CoreFoundation import (NSURL, NSString)
NSUTF8StringEncoding = 4

def pdf2txt():
    for filename in sys.argv[1:]:   
        inputfile =filename.decode('utf-8')
        shortName = os.path.splitext(filename)[0]
        outputfile = shortName+" text.txt"
        pdfURL = NSURL.fileURLWithPath_(inputfile)
        pdfDoc = PDFDocument.alloc().initWithURL_(pdfURL)
        if pdfDoc :
            pdfString = NSString.stringWithString_(pdfDoc.string())
            pdfString.writeToFile_atomically_encoding_error_(outputfile, True, NSUTF8StringEncoding, None)

if __name__ == "__main__":
   pdf2txt()