Я пытаюсь прочитать текстовое содержимое файла PDF в переменную Perl. Из других SO вопросов / ответов я понимаю, что мне нужно использовать CAM::PDF. Вот мой код:
#!/usr/bin/perl -w
use CAM::PDF;
my $pdf = CAM::PDF->new('1950-01-01.pdf');
print $pdf->numPages(), " pages\n\n";
my $text = $pdf->getPageText(1);
print $text, "\n";
Я попытался запустить это на этом файле PDF . Perl не сообщает об ошибках. Первое печатное заявление работает; он печатает «2 страницы», то есть правильное количество страниц в этом документе.
Следующая инструкция print не возвращает ничего читабельного. Вот как выглядит вывод в Emacs:
2 pages
^A^B^C^D^E^C^F^D^G^H
^D^A^K^L^C^M^D^N^C^M^O^D^P^C^Q^Q^C ^D^R^K^M^O^D ^A^B^C^D^E
^F^G^G^H^E
^K^L
^M^N^E^O^P^E^O^Q^R^S^E
.... more lines with similar codes ....
Есть ли что-то, что я могу сделать, чтобы заставить эту работу? Я не очень хорошо понимаю файлы pdf, но я подумал, что, поскольку я могу легко копировать и вставлять текст из файла PDF с помощью Acrobat, он должен распознаваться как текст, а не как изображение, поэтому я надеялся, что это означает, что я смогу извлечь его с Perl.
Любое руководство будет высоко ценится.