Como converter um arquivo PDF em texto editável usando a linha de comando no Linux

Existem várias razões pelas quais você pode querer converter um arquivo PDF em texto editável. Talvez você precise revisar um documento antigo e tudo o que você tem é a versão em PDF dele. Converter arquivos PDF no Windows é fácil, mas e se você estiver usando o Linux?

Não se preocupe. Mostraremos como converter facilmente arquivos PDF em texto editável usando uma ferramenta de linha de comando chamada pdftotext, que faz parte do pacote “poppler-utils”. Esta ferramenta pode já estar instalada. Para verificar se o pdftotext está instalado em seu sistema, pressione “Ctrl + Alt + T” para abrir uma janela de terminal. Digite o seguinte comando no prompt e pressione "Enter".

dpkg -s poppler-utils

NOTA: Quando dizemos para digitar algo neste artigo e há citações em torno do texto, NÃO digite as aspas, a menos que especifiquemos de outra forma.

Se o pdftotext não estiver instalado, digite o seguinte comando no prompt e pressione "Enter".

sudo apt-get instalar poppler-utils

Digite sua senha quando solicitado e pressione "Enter".

Existem várias ferramentas disponíveis no pacote poppler-utils para converter PDF em diferentes formatos, manipular arquivos PDF e extrair informações de arquivos.

A seguir, o comando básico para converter um arquivo PDF em um arquivo de texto editável. Pressione "Ctrl + Alt + T" para abrir uma janela do Terminal, digite o comando no prompt e pressione "Enter".

pdftotext /home/lori/Documents/Sample.pdf /home/lori/Documents/Sample.txt

Altere o caminho para cada arquivo para corresponder ao local e nome do arquivo PDF original e onde você deseja salvar o arquivo de texto resultante. Além disso, altere os nomes dos arquivos para corresponder aos nomes dos seus arquivos.

O arquivo de texto é criado e pode ser aberto da mesma forma que você abriria qualquer outro arquivo de texto no Linux.

O texto convertido pode ter quebras de linha em lugares que você não deseja. Quebras de linha são inseridas após cada linha de texto no arquivo PDF.

Você pode preservar o layout do documento (cabeçalhos, rodapés, paginação etc.) do arquivo PDF original no arquivo de texto convertido usando o sinalizador “-layout”.

pdftotext -layout /home/lori/Documents/Sample.pdf /home/lori/Documents/Sample.txt

Se você deseja converter apenas um intervalo de páginas em um arquivo PDF, use os sinalizadores “-f” e “-l” (minúscula “L”) para especificar a primeira e a última páginas no intervalo que deseja converter.

pdftotext -f 5 -l 9 /home/lori/Documents/Sample.pdf /home/lori/Documents/Sample.txt

Para converter um arquivo PDF protegido e criptografado com uma senha de proprietário, use o sinalizador "-opw" (o primeiro caractere no sinalizador é uma letra minúscula "O", não um zero).

pdftotext -opw 'password' /home/lori/Documents/Sample.pdf /home/lori/Documents/Sample.txt

Altere “senha” para aquela usada para proteger o arquivo PDF original que está sendo convertido. Certifique-se de que há aspas simples, não duplas, em torno de "senha".

Se o arquivo PDF estiver protegido e criptografado com uma senha de usuário, use o sinalizador "-upw" em vez do sinalizador "-opw". O resto do comando é o mesmo.

Você também pode especificar o tipo de caractere de fim de linha aplicado ao texto convertido. Isso é especialmente útil se você planeja acessar o arquivo em um sistema operacional diferente, como Windows ou Mac. Para fazer isso, use o sinalizador "-eol" (o caractere intermediário no sinalizador é uma letra minúscula "O", não um zero) seguido por um espaço eo tipo de caractere de fim de linha que você deseja usar (" unix ”,“ dos ”ou“ mac ”).

NOTA: Se você não especificar um nome de arquivo para o arquivo de texto, o pdftotext usará automaticamente a base do nome do arquivo PDF e adicionará a extensão “.txt”. Por exemplo, “file.pdf” será convertido em “file.txt”. Se o arquivo de texto for especificado como “-“, o texto convertido é enviado para stdout, o que significa que o texto é exibido na janela Terminal e não é salvo em um arquivo..

Para fechar a janela do Terminal, clique no botão "X" no canto superior esquerdo.

Para obter mais informações sobre o comando pdftotext, digite “man page pdftotext” no prompt em uma janela do Terminal..