PDF -> text - есть ли консольная утилита? (linux, cyr)

[fog]

PDF -> text - есть ли консольная утилита? (linux, cyr)

Привет!

Хочу прикрутить к mnoGoSearch поиск по PDF. Та утилита, что указана на сайте многосёрча (http://www.mnogosearch.org/winhelp/ch16s03.html), похоже, не работает с кириллицей, кроме того она для win32.

Встречал ли кто-нибудь консольную утилиту, для linux, которая может из PDF выдернуть текст? Особо красивый документ на выходе не нужен, текст нужен только для индексации поисковиком...

Ну, или, что ещё можно сделать в моей ситуации?

 

[Wicked]

http://www.foolabs.com/xpdf/download.html
Там в поставке есть утилитка pdftotext. Ее использует Google в своем Desktop Search.

 

[fog]

Да, спасибо! Это то, что нужно.
Только, вот, что-то не получается кириллицу подключить, в конфиг нужные строки прописал, сам конфиг при запуске указал... :/

 

[Wicked]

т.е. ты сходил по той ссылке также и в раздел Language Support Packages, скачал файл для работы с кириллицей и сделал все, что написано в README в том архиве?

 

[fog]

да, скачал файлы для кириллицы, взял из файла add-to-xpdfrc строки, добавил их в xpdfrc, положил в папку вместе с pdftotext. Просто запускал, запускал с параметром -cfg...

 

[Wicked]

тогда хз

есть подозрение, что в пдф может использоваться какая-нибудь еще кодировка кроме кои8. Отсюда вопрос: русский текст вообще пристутсвует в файле на выходе, но испорчен, или его там вообще нету?

 

[fog]

Запятые, точки, много пробелов, крокозяблики псевдографики иногда встречаются....

 

[Wicked]

значит скорее всего он не подхватил конфигурацию. либо файл вообще не на русском

 

[fog]

да вроде на русском, похоже на то что не подхватывает... :|