Discussion :

[scaleo]

Je cherche un module me permettant d'extraire le texte de fichier pdf , j'ai essayer le lib PDF mais elle n'offre pas cette possiblité , je n'en est pour l'instant trouvé aucune qui sache faire cela .

J'ai le même problème avec les fichiers .doc, .xls, et aussi les fichiers OpenOffice

Mici de vous réponses

[GLDavid]

est ton ami avec ce lien.

@++

[scaleo]

C'est bien ce module qu'il me faut . J'ai quelque problème avec

De tout ce que j'ai compris de l'utilsation de ce module il faut absolument lui indiquer le nombre de pages a extraire , hors je ne peut pas en connaire le nombre

[Jedai]

Le but de PDF::Extract est seulement de créer de nouveaux documents PDF à partir de pages d'autres PDF... Je pense que PDF::Core est capable de ce que tu veux, mais risque d'être assez compliqué à utiliser.
Le plus simple est sans doute d'utiliser l'un des pdf2txt, pdftext, ps2ascii qui traînent sur le Net puis de parser le résultat.
Une bonne adresse pour commencer :
http://phaseit.net/claird/comp.text.pdf/PDF_converters.html#pdf2txt

--
Jedaï

[scaleo]

Merci Jedai , que le force qoit avec toit lol

Je vais looké sa de suite

[scaleo]

Merci Jedai c'est logs marchent super bien. J'ai fait quelques essaies avec mon robot , je l'ai pointer vers une url pointant vers un fichier pdf , j'ai ensuite écrit le dit fichier comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
open FILE, '>doc.pdf' or die "truc.txt : $!\n";
print FILE "$i";
close FILE;

ou $i , est le fichier pdf acquis avec get();

le fichier est donc écrit mais n'est pas valide .


J'ai aussi tenté de récupéré les donners directement dans perl , sans écrire dans un fichier intermédiaire les donnés, je me demande qi c'est possible en perl ?