PDFtoText (Pdf2Text), PDF to Fonts, PDF to Info – Wenzlaff.de

Manchmal möchte man aus einem PDF den Text extrahieren oder Infos aus dem PDF gewinnen. Das geht mit den poppler Utils auf dem Raspberry Pi.

Wir laden uns die poppler.pdf als Beispiel in ein Verzeichnis.
Dann rufen wir die pdftotext Anwendung auf:

pdftotext poppler.pdf

und wir erhalten eine neue Datei poppler.txt mit dem Text aus der PDF:

Sammlung von Kommandozeilen-Programmen
pdfsig – prüft digitale Signaturen

pdffonts – Analyse von Schriften
pdfimages – Entnahme von Bildern

Installation: sudo apt-get install poppler-utils

pdfinfo – Dokumentinformationen
pdfseparate – Werkzeug zur Entnahme von Seiten

in andere Formate
umgewandelt oder manipuliert

pdftocairo – Umwandlung von PDF nach PNG/JPEG/PDF/PS/EPS/SVG

pdfdetach – Listet oder entnimmt eingebettete Dateien (Anhänge)
PDF-Dokumente

PDF Tool Poppler

pdfunite – Werkzeug für das Zusammenfügen von Dokumenten

pdftoppm – Umwandlung von PDF nach PPM/PNG/JPEG
pdftops – Umwandlung von PDF nach PostScript (PS)

mittels Cairo
pdftohtml – Umwandlung von PDF nach HTML

pdftotext – Entnahme von Text
Dr. Kleinhirn.eu

Sammlung von Kommandozeilen-Programmen

pdfsig – prüft digitale Signaturen

pdffonts – Analyse von Schriften

pdfimages – Entnahme von Bildern

Installation: sudo apt-get install poppler-utils

pdfinfo – Dokumentinformationen

pdfseparate – Werkzeug zur Entnahme von Seiten

in andere Formate

umgewandelt oder manipuliert

pdftocairo – Umwandlung von PDF nach PNG/JPEG/PDF/PS/EPS/SVG

pdfdetach – Listet oder entnimmt eingebettete Dateien (Anhänge)

PDF-Dokumente

PDF Tool Poppler

pdfunite – Werkzeug für das Zusammenfügen von Dokumenten

pdftoppm – Umwandlung von PDF nach PPM/PNG/JPEG

pdftops – Umwandlung von PDF nach PostScript (PS)

mittels Cairo

pdftohtml – Umwandlung von PDF nach HTML

pdftotext – Entnahme von Text

Dr. Kleinhirn.eu

Nun wollen wir schauen, welche Schriften in der PDF verwendet werden.

pdffonts poppler.pfd

Das Ergebnis nur die TrueType Helvetica und HelveticaNeue vom Mac und zwar emb (=yes) d.h. die Schriften sind in das Dokument eingebettet.

name                                 type              encoding         emb sub uni object ID
------------------------------------ ----------------- ---------------- --- --- --- ---------
AAAAAB+Helvetica                     TrueType          MacRoman         yes yes no      11  0
AAAAAC+HelveticaNeue                 TrueType          MacRoman         yes yes no      12  0

name type encoding emb sub uni object ID

------------------------------------ ----------------- ---------------- --- --- --- ---------

AAAAAB+Helvetica TrueType MacRoman yes yes no 11 0

AAAAAC+HelveticaNeue TrueType MacRoman yes yes no 12 0

Nun noch die Tags und weitere Infos ausgeben mit:

pdfinfo poppler.pdf

Das Ergebnis:

Title:          poppler.pdf
Subject:        poppler.pdf
Keywords:       poppler.pdf
Author:         Thomas Wenzlaff
Creator:        © 2020 de.wenzlaff.twpdftagger 0.0.4 by Thomas Wenzlaff
Producer:       iOS Version 14.2 (Build 18B92) Quartz PDFContext; modified using iText® 5.5.13.1 ©2000-2019 iText Group NV (AGPL-version)
CreationDate:   Wed Dec  2 18:58:14 2020 CET
ModDate:        Fri Dec  4 11:47:19 2020 CET
Tagged:         no
UserProperties: no
Suspects:       no
Form:           none
JavaScript:     no
Pages:          1
Encrypted:      no
Page size:      842 x 595 pts (A4)
Page rot:       0
File size:      458785 bytes
Optimized:      no
PDF version:    1.3