☰

Bash，从 pdf 中获取链接

tag-icon • tag-icon command-line pdf text
Bash，从 pdf 中获取链接

操作系统 乌班图。

需要 在终端中获取从 pdf 到文本的链接或更多数据（例如 QuarkXPress 应用程序的绑定层）。

尝试过 pdf转文本，但似乎链接没有导出， pdfgrep是一样的。

有什么解决办法吗？

谢谢。

答案1

您可以尝试手动提取/URI(...)PDF 指令，也许在删除压缩（如果有）之后使用pdftk：

pdftk file.pdf output - uncompress | grep -aPo '/URI *\(\K[^)]*'

答案2

使用pdf文件并过滤以以下开头的所有行- http：

pdfx -v file.pdf | sed -n 's/^- \(http\)/\1/p'

答案3

测试一下：

pdftotext -raw "filename.pdf" && file=`ls -tr | tail -1`; grep -E "https?://.*" "${file}" && rm "${file}"

脚本示例

答案4

首先，您需要检查您的pdf是否经过压缩，请参阅：

如何知道 PDF 文件是否已压缩以及如何压缩（解压缩）

如果是压缩的，则需要将其解压。

然后，您可以使用grep和提取链接sed：

strings uncompressed.pdf | grep -Eo '/URI \(.*\)' | sed 's/^\/URI (//g; s/)$//g'

相关内容