pdf-extract：节点PDF提取

节点PDF Node PDF是一组工具，可接收PDF文件并将其转换为可用格式以进行数据处理。 该库既支持从可搜索的pdf文件中提取文本，也支持对pdf进行OCR，而pdf只是文本的扫描图像 安装 要开始安装模块。 npm install pdf-extract 安装库后，您将需要在路径上访问以下二进制文件以处理pdf。 pdf文件pdftk将多页pdf拆分为单页。 PDF文本pdftotext用于从可搜索的pdf文档中提取文本 幽灵脚本ghostscript是ocr预处理程序，可将pdf转换为tif文件以输入到tesseract中 特塞斯特 tesseract在扫描的图像上执行实际的ocr OSX 要在OSX上开始，首先请确保已安装自制程序包管理器。 pdftk在Homebrew中不可用。 但是，这里可以进行gui安装。 pdftotext包含在poppler实用程序库中