Ghostscript将pdf转换为文本并保留PDF文件表格式

Question

我有这个代码将PDF转换为文本文件：

gswin32c -dBATCH -dNOPAUSE -dSAFER -dDELAYBIND -dWRITESYSTEMDICT 
-dSIMPLE -sDEVICE=txtwrite -dTextFormat=2 -dFirstPage=1 -dLastPage=1 
-sOutputFile=C:\out.txt C:\in.pdf

它工作得很好，唯一没有保留PDF表格格式。

示例：

在PDF文件中：

Type    From        Name             Name2                   Code         Week
Regular 30/03/15    KNOWLES, BEN     HOOT KNOWLES, ANGELA    367-739-746  80.00       
Regular 30/03/15    RICHARDS, COLE   ROBERT HARRIS, BRADIE   401-844-307  108.00      
Regular 30/03/15    SKEELS, MATT     BISHOP, JASON GREGSON   413-980-291  112.00

将其转换为文本文件后，文本将包含如下：

Type From Name Name2 Code Week
Regular30/03/15KNOWLES, BENHOOT KNOWLES, ANGELA367-739-74680.00       
Regular30/03/15RICHARDS, COLEROBERT HARRIS, BRADIE401-844-307108.00      
Regular30/03/15SKEELS, MATTBISHOP, JASON GREGSON413-980-291112.00

我需要它来保持格式化。知道如何保持格式化吗？

我在Windows 7机器上使用Ghostscript gswin32c，版本是9.16。

此外，我愿意接受其他方式存档的建议。

干杯

Answer 1

PDf中没有“表格格式”，只是一系列文字和位置。 txtwrite的一种可能的输出格式是尝试创建Unicode文本文件，其中间距由空格字符重新创建。请注意，这假定为固定间距字体，因此如果您不使用它，它将无法正常工作。

如果没有看到输入的PDF文件，就不可能猜出为什么它没有像你期望的那样产生输出。

您可以自己解决此问题。首先，因为还有其他潜在的输出格式，其中一种是类似XML的格式，它发出文本序列和位置，您可以使用它并自己重新创建格式（甚至只是直接存档）。或者，由于Ghostscript是开源的，您可以自己阅读和调试源代码并找出PDF文件导致问题的原因。