问从PDF中提取文本的工具是什么？

EN

为此，我建议查看LEADTOOLS文档成像SDK。这个SDK有几种不同的方法从PDF中提取文本，包括解析向量PDF和在PDF中的光栅数据上运行OCR。没有任何本地PHP支持，但是使用.NET接口，您可以使用文档转换器从两种类型的PDF文件中获取文本。

下面是一些示例代码：

using (DocumentConverter documentConverter = new DocumentConverter())
{
   var inFile = Path.Combine(ImagesPath.Path, @"Leadtools.pdf");
   var outFile = Path.Combine(ImagesPath.Path, @"output.txt");
   var format = DocumentFormat.Text;
   var jobData = DocumentConverterJobs.CreateJobData(inFile, outFile, format);
   jobData.JobName = "conversion job";
   var job = documentConverter.Jobs.CreateJob(jobData);
   documentConverter.Jobs.RunJob(job);
}

免责声明:我是写这个图书馆的公司的员工。

在工作中，我们在放弃一些免费工具之后，在几个项目中使用Seta抽取器库。因此，如果您愿意付费，您可以首先评估库(免费下载)。不会做你的图像提取的愿望，但你可以很容易地执行短语搜索，将文本提取限制在边框。挺灵活的。需要PHP 5.3

我强烈推荐大家都喜欢(U)的礼仪eBook管理计划：口径。

量程支持将许多输入格式转换成多种输出格式。它可以将下面列表中的每种输入格式转换为每种输出格式。输入格式: AZW、AZW3、AZW4、CBZ、CBR、CBC、CHM、DJVU、DOCX、EPUB、FB2、HTML、HTMLZ、LIT、LRF、MOBI、ODT、PDF、PML、PDB、PML、RB、RTF、SNB、TCR、TXT、TXTZ输出格式: AZW3、EPUB、DOCX、FB2、HTMLZ、OEB、LIT、MOBI、PDB、PMLZ、RB、PDF、RTF、SNB、TXT、TXTZ、ZIP

它还有许多有用的特性和插件。我不会再用其他东西了。