0

Tengo un archivo PDF con miles de nombres. ¿Es posible extraer el contenido a un archivo de texto?

1 respuesta 1

0

Respuesta rápida: Si.

No es necesario que uses el tag de "Linux", puesto que hay librerías en python, php, etc., que te pueden ayudar en esa labor. Incluso hay herramientas online como esta. Pero supondré que quieres escriptear el asunto :)

Pero por preguntar para linux, hay herramientas como pdftotext del paquete poppler-utils.

Es decir, corre

$ sudo apt install poppler-utils

en tu terminal y luego puedes convertir un archivo pdf a texto con

$ pdftotext <tu archivo pdf>.pdf archivo.txt

Otra herramienta es ebook-convert del paquete calibre, es decir, instala el paquete con

$ sudo apt install calibre

y luego corres un comando semejante al anterior

$ ebook-convert <tu archivo pdf>.pdf archivo.txt

Aquí hay algunas comparativas que te pueden interesar.

https://askubuntu.com/questions/52040/is-there-a-better-pdf-to-text-converter-than-pdftotext

Lo que no he revisado bien es la parte que mencionaste de "español", quizás problemas como tildes, etc., si es que no te imprime bien esos caracteres, se puedan arreglar con la herramienta iconv. Igual puede que lo revise en momento y actualice mi respuesta.

2
  • calibre no funcionó pero con orcmypdf, una herramienta de python resolví mi problema. Después solo necesitaba la herramienta que me recomendó anteriormente, pdftotext, para extraer el texto en un archivo. el 25 nov. 2018 a las 15:23
  • ¡Que bien! Pero ¿Por qué no te funciono calibre?
    – Cuauhtli
    el 25 nov. 2018 a las 18:33

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.