Коллеги, есть задачка.
приходят к нам от 7г континента акты о приеме товара в формате pdf.
нужно их распарсить и сравнить с накладными отгрузок им.

В общем есть некие конверторы с текстовой строкой чтобы его в текстовый файл затащить а далее обработать.
А делал ли кто подобное в 7ке. может есть какая компонента чтобы из 7ки рулить или вообще сразу прочитать пдфку.
пдф текстовый не картинка.

ого
а в другом формате они не могут слать?

имхо бесполезняк пытаться полученный текст разбирать
ПДФ трансформер (им помоему и в автоматическом режиме можно) разбирать док в эксель файл а потом разбирать эксельку

Шмахабра говорил что есть актив-ха который может пдф жевать.
Тусуется где то в составе продуктов адоба, это у него спрашивать надо.
ПС. за пдф в обмене данных надо топить еще при рождении.

(1) да попробуй.
(2) да ладно обычный даже пдф ридер может сохранять текст в ТХТ

(3) да есть конвертеры говорю даже с командной строкой. не проблема завязаться на него. Но интересует ваш опыт.

Я делал подобное (добрый человек на мисте делился основой для чтения пдф), но было 2 нюанса - 1) данные в пдф должны быть не в виде картинки 2) хранение в пдф бывает с придурью в тот момент, когда данные не влазят на одну строку.

чего его парсить... "save as" в xml или еще во что-то вменяемое и читать... полный акробат делать "save as" программно умеет.

Блин, легче из ворда получить данные чем с пдфа )

(6) нахрена полный пдф? даже бесплатный ридер может в тхт сохранить

+(8) *полный акробат

я пользуюсь FineReader"ом..
правда, у меня не так много пдф-документов

(10) есть такое тормозно. да им если там картинки проще.
(8) может. руками. а надо автоматом. если знаешь коммандную строку как сделать. напиши.

(8) не может...

(12) может. только что сохранил. такшта не надо

+(13)если что, 10-й юзаю

(12) может. не проблема

но тут надо автоматом чтобы было. доков очень много и человек участвовать не должен в этом.

http://www.coolutils.com/ru/PDF-to-TXT

Вот нарыл. но может есть бесплатная фигня а может кто и библиотечку писал.

savefile

Sub savefile

Dim acroApp
Dim acroAV
Dim acroPD
Dim jso

sfile = "C:\222.pdf"

Set acroApp = CreateObject("AcroExch.App")
Set acroPD = CreateObject("AcroExch.PDDoc")

acroPD.Open sfile

Set jso = acroPD.GetJSObject

jso.saveAs "C:\\TEMP\\333.xml", "com.adobe.acrobat.xml-1-00", "", true

acroPD.Close
acroApp.CloseAllDocs
acroApp.Exit

Set acroPD = Nothing
Set acroApp = Nothing

End Sub

(11) ключей ком.строки на это дело, похоже, нет. а если сендкеями?

(18) это как к 7ке прикрутить. простите за необразованность

(18) это с платным акробатом, как я вижу?

(20) ну банально можно оформить в виде vbs скрипта... из 7.7 через shell.run дергать его с передачей внутрь параметров... или попробовать переписать. Я не помню как 7.7 com объект получать надо для CreateObject("AcroExch.App").

за сохранение в текст отвечает плагин saveasrtf.api

(21) ну я думаю общий смысл будет тот же. Объекты может быть будет иные... так в SDK и гугле все есть...

(23) ооо... там видать вообще все иначе...

было бы просто замечательно, если бы бесплатный ридер поставлял ком-объекты. вопрос, так ли это? надо гуглить

вот по ком.строке:
http://www.adobe.com/content/dam/Adobe/en/devnet/acrobat/pdfs/pdf_open_parameters.pdf

ессесно, того, что надо, там нет

в свое время была анлогичная ТС проблема. Все конверторы идут лесом. Если надо конвертнуть текст - то тут можно сказать ОК. Конвертация таблиц и таблицеподобного - практически нулевая, потом практически руками собирать из текста.
.
так что если пдф можно конвертнуть в иксемель, то это гуд, иксемель парсить ужо легче. другое дело что практически на каждый док или чуть изменилось что-то в доке - придется алгоритм подкручивать... (както так?)

почитай здесь, вроде что-то светится нужное
http://wwwimages.adobe.com/www.adobe.com/content/dam/Adobe/en/devnet/reader/pdfs/reader_overview.pdf

(28) таблички нафик не нужны. мне нежен текст который я отработаю далее сам. вполне устраивает как это делает пдф ридер когда сохраняешь в тхт

епть. все осложняется еще и тем, что X5 групп от которой приходит этот пдф, конвертер который с коммандной строкой работает за пдф не принимает. какой то слегка свой формат.
Но ридер читает.

(31) давно уже решил такую проблему. только решение не со всеми файлами проходит.
скинь пример файла на почту или файлообменник

ну.. х5 с еди работает, вроде как там у них даже есть ответ по еди о приемке - тот самый акт...

(33) кстати. пойду с манагерами пообщаюсь

заказы получаем

через ЕДИ мы с ними не работаем. работаем с каким-то порталом от них а там только заказы.

(31) В pdf хорошо кладутся отсканированные документы, в которых текста может и не быть - не ваш случай ?

(37) нет. это чисто текстовый пдф. прекрасно текст сохраняется даже адоб ридером

Функция pdf_ПрочитатьСимвол(Знач Значение="0") Экспорт
    Нотация=16;
    Значение=СокрЛП(Значение);
    Если Значение="0" Тогда Возврат(0) КонецЕсли;
    Результат=0;
    Длина=СтрДлина(Значение);
    Для Х=1 По Длина Цикл
         М=1;
         Для У=1 По Длина-х Цикл М=М*Нотация КонецЦикла;
         Результат=Результат+(Найти("0123456789ABCDEF",Сред(Значение,х,1))-1)*М;
   КонецЦикла;
   Если Результат>127 Тогда
       Результат=Результат+16;
   КонецЕсли;
   
    Возврат Окр(Результат);
КонецФункции

Функция pdf_ПеревестиСтроку(стр)
   новстрока="";
   для х=1 по СтрДлина(стр) Цикл
       новстрока=новстрока+Симв(pdf_ПрочитатьСимвол(Сред(стр,х,2)));
       х=х+1;
   КонецЦикла;
   Возврат новстрока;
КонецФункции

Функция pdf_ПолучитьСмещение(знач стр)
   Поз=Найти(стр,"BT");
   Поз2=Найти(стр,"Td");
   Стр=Сред(стр,поз+3,поз2-5);
   Поз3=Найти(стр," ");
   Стр=Сред(стр,Поз3+1);
   Возврат Окр(Число(стр));
КонецФункции

Функция ОтфильтроватьPDF(Файл)
   fso=СоздатьОбъект("Scripting.FileSystemObject");
   ттт="";
   Текст=СоздатьОбъект("Текст");
   Если Найти(Файл,"""")<>0 Тогда
       Файл=СтрЗаменить(Файл,"""", """""");
       ссылкаНаФайл=fso.GetFile(СокрЛП(Файл)).OpenAsTextStream(1);
       Сообщить("ОК");
       ТемпФайл=fso.GetTempName();
       
       ФС.КопироватьФайл(СокрЛП(Файл),КаталогВременныхФайлов()+ТемпФайл,0);
       Файл=КаталогВременныхФайлов()+ТемпФайл;
       
   КонецЕсли;
   ссылкаНаФайл=fso.GetFile(СокрЛП(Файл)).OpenAsTextStream(1);
   ПоследнаяяСтрока=-1;
   ТекстИнфо="Попытка распаковки файла PDF";
   Форма.Обновить(0);
   Пока ссылкаНаФайл.AtEndOfStream=0 Цикл
       Буфер=Прав(Буфер+ссылкаНаФайл.Read(1),20);
       Если Прав(Буфер,1)<>"<" тогда Продолжить; КонецЕсли; //не наше...
       Буфер=Прав(Буфер+ссылкаНаФайл.Read(1),20);
       Если Прав(Буфер,2)="<<" Тогда //стандартный тег
           Продолжить;
       КонецЕсли;
       ТекСтрокаВерт=pdf_ПолучитьСмещение(Буфер);
       Буфер=Прав(Буфер,1);
       Пока ссылкаНаФайл.AtEndOfStream=0 Цикл
           СледСимв=ссылкаНаФайл.Read(1);
           Если Найти("0123456789ABCDEF",СледСимв)<>0 тогда
               Буфер=Буфер+СледСимв;
               Продолжить;
           ИначеЕсли СледСимв=">" Тогда
               Прервать;
           Иначе //какой-то мусор
               Буфер="";
               Прервать;
           КонецЕсли;
       КонецЦикла;
       Если ПустоеЗначение(Буфер)=0 тогда
           Если ТекСтрокаВерт<>ПоследнаяяСтрока Тогда
               ПоследнаяяСтрока=ТекСтрокаВерт;
               Текст.ДобавитьСтроку(ттт);
               ттт="";
           КонецЕсли;
           ттт=ттт+pdf_ПеревестиСтроку(Буфер);
           Буфер="";
       КонецЕсли;
   КонецЦикла;
   Если ПустоеЗначение(ттт)=0 тогда
       Текст.ДобавитьСтроку(ттт);
   КонецЕсли;
   Возврат Текст;
КонецФункции

Процедура ЗагрузкаИзТекста(Источник,Разделитель="")
   спРазделителей=СоздатьОбъект("СписокЗначений");
   Если ПустоеЗначение(Разделитель)=1 Тогда
       спРазделителей.ДобавитьЗначение(";");
       спРазделителей.ДобавитьЗначение(СимволТабуляции);
       спРазделителей.ДобавитьЗначение("|");
   Иначе
       спРазделителей.ДобавитьЗначение(Разделитель);
   КонецЕсли;
   текст=СоздатьОбъект("Текст");
   спШирина=СоздатьОбъект("СписокЗначений");
   Строк=Источник.КоличествоСтрок();
   для х=1 по Строк Цикл
       Если х%10=0 тогда
           ТекстИнфо="Чтение файла: обработано "+х+" из "+Строк+" строк";
       КонецЕсли;
       Форма.Обновить(0);
       ТекСтрока=Источник.ПолучитьСтроку(х);
       для ш=1 по спРазделителей.РазмерСписка() Цикл
           ТекСтрока=СтрЗаменить(ТекСтрока,спРазделителей.ПолучитьЗначение(ш),РазделительСтрок);
       КонецЦикла;
       текст.Очистить();
       текст.ДобавитьСтроку(ТекСтрока);
       ТЗ.НоваяСтрока();
       для ш=1 по текст.КоличествоСтрок() Цикл
           Если ш>ТЗ.КоличествоКолонок() Тогда
               ТЗ.НоваяКолонка();
               спШирина.ДобавитьЗначение(1);
           КонецЕсли;
           ТекЗнач=текст.ПолучитьСтроку(ш);
           ТЗ.УстановитьЗначение(х,ш,ТекЗнач);
           Если Мин(СтрДлина(СокрЛП(Строка(ТекЗнач))),40)>спШирина.ПолучитьЗначение(ш) тогда
               спШирина.УстановитьЗначение(ш,Мин(СтрДлина(СокрЛП(Строка(ТекЗнач))),40));
           КонецЕсли;
       КонецЦикла;
   КонецЦикла;
   
   для ш=1 по спШирина.РазмерСписка() Цикл
       ТЗ.УстановитьПараметрыКолонки(ш,,,,,спШирина.ПолучитьЗначение(ш)*1.25);
   КонецЦикла;
КонецПроцедуры


Процедура Загрузка()
   Текст=ОтфильтроватьPDF(файл);
   ЗагрузкаИзТекста(Текст);
...

и тд

(39)+ пробуй сам, а я убежал

мерси

(41) мне кажется, тебе стоит заменить конвертер на более вменяемый
ftp://ftp.foolabs.com/pub/xpdf/xpdfbin-win-3.03.zip

(36)Портал прекращает у х5 свою работу,идет запуск работы через операторов ЕДЕ.

Вот неплохая штука и бесплатная
http://text-mining-tool.com/

+(44) Заодно и в консоли работает, чтобы программно можно было файлы входящие и выходящие задавать...

(36)(43) И причемм датой полного перехода с портала на EDI объявлена эпическая 11.11.11
Начали с заказов, сейчас ввели подтверждение заказов и подтверждение приемки.

(41) получилось?

(43) Я в курсе. но у них ттарифы пипец. там за каждый док охрененных денег требуют. итак только за накладные 50 штук в месяц.

(42) попробую.

(47) не завтра буду заниматься.

(46) да я в курсе. Но на то есть руководство, дадут задачу сделаю. Пока задача освободить человека от проверок соответствия отгруженного с принятым.

(44) мерси. посмотрю все

(0) эти сволочи просто поставили <хеззнаеткакой>pdf принтером и гонят туда печать, вместо того, чтоб мозгом подумать. не уважаю.)

ABBYY  ;))))))))

(51) есть и даже куплен. но нет коммандной строки. и тормозной скатина.

Делал на УФ:

&НаКлиенте
Процедура ВыбратьФайл(Команда)
   ДиалогОткрытияФайла = Новый ДиалогВыбораФайла(РежимДиалогаВыбораФайла.Открытие);
   ДиалогОткрытияФайла.Фильтр = НСтр("ru = ""Текст""; en = ""Text""")+"(*.pdf)|*.pdf";
   ДиалогОткрытияФайла.Заголовок = "Выберите файл";
   ДиалогОткрытияФайла.ПроверятьСуществованиеФайла = Истина;
   Если Не ДиалогОткрытияФайла.Выбрать() Тогда
       Возврат;
   КонецЕсли;
   ФайлPDF = ДиалогОткрытияФайла.ПолноеИмяФайла;
   
   КаталогВременныхФайлов = КаталогВременныхФайлов();
   ФайлУтилиты1 = Новый Файл(КаталогВременныхФайлов + "pdftotext.exe");
   ФайлУтилиты2 = Новый Файл(КаталогВременныхФайлов + "hstart.exe");
   ФайлУтилиты3 = Новый Файл(КаталогВременныхФайлов + "xpdfrc");
   Если Не ФайлУтилиты1.Существует() Или Не ФайлУтилиты2.Существует() Или Не ФайлУтилиты3.Существует() Тогда
       Адрес = ПолучитьУтилиту();
       ИмяZip = КаталогВременныхФайлов + "pdftotext.zip";
       Описание = Новый ОписаниеПередаваемогоФайла(ИмяZip, Адрес);
       МассивОписаний = Новый Массив;
       МассивОписаний.Добавить(Описание);
       ПолучитьФайлы(МассивОписаний,,,Ложь);
       
       ЧтениеZip = Новый ЧтениеZipФайла(ИмяZip);
       ЧтениеZip.ИзвлечьВсе(КаталогВременныхФайлов, РежимВосстановленияПутейФайловZIP.Восстанавливать);
       ЧтениеZip.Закрыть();
   КонецЕсли;
   ТекстКоманды = """" + КаталогВременныхФайлов + "hstart.exe"" /NOCONSOLE /WAIT ""pdftotext.exe -layout """ + ФайлPDF + """ """ + КаталогВременныхФайлов + "temp.txt""""";
   
   WshShell = Новый COMОбъект("WScript.Shell");
   WshShell.Run(ТекстКоманды, 5, 1);
   
   Текст = Новый ДвоичныеДанные(КаталогВременныхФайлов + "temp.txt");;
   УдалитьФайлы(КаталогВременныхФайлов + "temp.txt");
   Адрес = ПоместитьВоВременноеХранилище(Текст, ЭтаФорма.УникальныйИдентификатор);
   
   ОбработатьТекст(Адрес);

КонецПроцедуры

&НаСервере
Функция ОбработатьТекст(Адрес)
   
   Результат = Новый Массив;
   
   ФайлПриемник = ПолучитьИмяВременногоФайла("txt");
   ДанныеХранилища = ПолучитьИзВременногоХранилища(Адрес);
   ДанныеХранилища.Записать(ФайлПриемник);

   Текст = Новый ТекстовыйДокумент;
   Текст.Прочитать(ФайлПриемник, "UTF-8");

       //обрабатываем текст

КонецФункции

&НаСервере
Функция ПолучитьУтилиту()
   Обработка = РеквизитФормыВЗначение("Объект");
   МакетУтилиты = Обработка.ПолучитьМакет("УтилитаКонвертации");
   Адрес = ПоместитьВоВременноеХранилище(МакетУтилиты, ЭтаФорма.УникальныйИдентификатор);
   Возврат Адрес;
КонецФункции

Если пригодится - я могу залить куда-нить zip с утилитками, который в  макете обработки.

Хотя кому-нить наверное да пригодится - так что вот архив:
http://narod.ru/disk/22805232001/УтилитаКонвертации.zip.html

тьфу ты блин - щас только прочитал что 7.7, ну да вообщем сам механизм конвертации тот же .

ридер может работать с джабаскриптом и сам тебе распарсить

(56) адоб который стандартный?

а как сделать чтобы он захватил подсунутый файл и сохранил его в тексте. из него знаю можно.

который ридер

(53) "утилитка" в (42), это проект Xpdf.
и нахрена столько кода, непонятно. там всё в три строки можно сделать - вызов экзешника с параметрами

(56) я так понял, это в браузере. или нет?

(59) нуууу...
там треть кода это диалог открытия пдф
треть - распаковка утилиты из макета
и треть затрах с передачей между клиентом и сервером файлов
и еще кусочек чтобы сделать так чтобы черных окошек не было и обработка не началась до того как файл сконвертится.

(60) нет, в самом ридере, подсовывается обычный джабаскриптовый файлик куда надо и ридер сам открывает парсит и сохраняет

вариант джихостскрипта еще не предлагали ?

(62) плагином подсунуть, что-ли? распиши по буквам, а то мы непонятливые :)

(62) насколько я понял после прочтения доков от адобе, метод
SaveAs доступен только из API для плагинов. ни сообщениями, ни в активиксе он недоступен

(64) нет в папку загляни
%appdata%\adobe\acrobat\X.X\JavaScript

(66) там 2 скрипта мелких.

(64) да. пример в студию. Считай1 что мы тупые юзеры.

апнем что-ли. сегодня попробую кучу конвертеров.

(66) если есть решение которое позволит стандартным способом и с применением адобридера из 1с проделать это - рассказывай ;)

В общем проверил все конвертеры присланные и ссылки указанные. эту пдф никто не конвертнул. либо очень коряво.

адоб ридер стандартный все корректно в текст сихраняет.

(70) использовать ридера и sendkeys() не предлагать? :-)

(71) предлагай. как сделать

(22) скриптом не дает. ругается.
Говорит невозможно создание объекта контейнером активХ
AcroExch.App

(73) дык это вроде объект "большого" акробата, не?

(39)    @FN  там у тебя в коде ТЗ брось структуру полей какие у тебя были. или там только ТЗ = СоздатьОбъект("ТаблицаЗначений")

(70) PDFtransformer 2 или 3-ий Пробовал ?

(0) Неужто нельзя договориться о другом формате?

(76) не помню. кучу перепробовал

(77) с кем договорится ?  с Х5 ? это всеравно что ашану свои условия ставить.

(76) если ты от абби то он у нас есть. но он 1. тормозной. 2. он не умеет работать без человека

(75) Пустая ТЗ на форме

(80) ок

закинь

в
[HKEY_LOCAL_MACHINE\SOFTWARE\Policies\Adobe\Acrobat Reader\9.0\FeatureLockDown\cDefaultExecMenuItems]
tWhiteList=...|ADBE:SaveAsAccText|SelectAll|Copy

к тому что уже есть
и в папку усерских скриптов файлик с одной строкой
app.setTimeOut('app.execMenuItem("SelectAll");app.execMenuItem("Copy");',3000);

и открой какой нибудь пдф - увидишь эффект, далее думай

В папке скриптов 2 файлика.

glob.js
glob.settings.js

создать новый со строкой
app.setTimeOut('app.execMenuItem("SelectAll");app.execMenuItem("Copy");',3000);

?

а просче джехостскрипт

(82) в реестр строку
|ADBE:SaveAsAccText|SelectAll|Copy

добавил к имеющимся. теперь при старте пдфки помоему что-то промелькнуло. но эффекта не вижу

Да
и просто открой какой нибудь пдф интерактивно (конечно содержащий текст, страниц 10 хотя бы)

(84) ?

(85) посмотри в буфере обмена ))

(86) есть на 200 счет от билайна

(86) при открытии накладной эффекта нет кроме мелькающего окошка,

при открытии счета от билайна получается выделенным весь текст. но в буфер не копирует.

app.setTimeOut('app.execMenuItem("SelectAll");app.execMenuItem("Copy");',3000);


Это отдельным файликом скрипта или встроить в какой.или имя у него должно быть определенное

может еще CuneiForm и openoffice. еще мс офис картинки распознавать умеет

(91) не нужны мне картинки.

(92) так если текст не получается получить, тогда в картинку а от туда текст

(92) мой вариант уже испробовал?

вот по openoffice http://www.ehow.com/how_4788620_pdf-openoffice-microsoft-office-alternative.html

вот расширение http://extensions.services.openoffice.org/project/pdfimport

(94) да такст какой-то мусор выдает и все.

(93) к гландам через жо..пу? без участвия человека заработает?

(98) ну думаю да, использовал как то утилиту пакетной конвертации из pdf (правда в изображениях был) в tiff а потом распознавал

(99) тогда нет 100% гарантии правильности цифр. жда и зачем такой гемор

(97) скинь на почту один файлик - попробую под него код подогнать

вот тут смотрел wiki:Portable_Document_Format может что интересного.

(100) ну у тебя же текст и картинка будет чистая, думаю что гарантия 100% если парсить текст то тут тож нет гарантии, поставят какой символ и не сможешь как сейчас получить текст

а что в заголовке pdf'ка пишет? если делают через doPdf то у меня так:

%PDF-1.5
%вгПУ
1 0 obj
<<
  /Type /Catalog
  /Pages 2 0 R
  /PageLayout /OneColumn
  /PageMode /UseNone
  /OCProperties <<
  /D <<
  /Order []
  /AS [<<
  /Event /View
  /Category [/View ]

(101) ушло

(103) у них вообще пишет версия пдф 1.6

можно платную http://www.gdpicture.com/products/activex/gdviewer-ocx.php

вот посмотри http://pdftk4all.sourceforge.net/ вроде написано с открытыми исходниками и из командной строки работает

(106) этого барахла как грязи.
но зачем устраивать такие сложности. адоб ридер стандартный прекрасно открывает пдф и сохраняет текст там имеющийся в файл. на 100% точно. Все остальное какая-то хрень. особенно через распознавание текста как абби.скорость очень медленная. счет от билайна распознает 4 часа блин 120 станиц.

(107) ок пасиб. посмотрю

+ 109 но оно судя по описанию просто для работы склеивания рдф и все

(110) еще сам смотрю ) тема самому интересна

а чего, просто поставить акробат - не катит в итоге?

(112) ридер? да работает. но он открывает файлик а там далее надо нажать сохранить в тхт. а надо чтобы автоматом конвертировало.

попробуй эту ftp://ftp.foolabs.com/pub/xpdf/xpdfbin-win-3.03.zip там есть консольная pdftotext.exe

тебе ее и советовали в (42)

(115) пробовал

могу прислать эту пдф. попробуй ее в текст перегнать. если интересно

присылай st2009st соб qip.ru

вот еще утилита, проверил работает, только html
http://sourceforge.net/projects/pdftohtml/files/Experimental%20Versions/pdftohtml%200.40/

(104) с наскоку не получилось :(
пробуй конверторы

(113) не, полный

если лениво разбираться с джабойскрипт для ридера
качай это

ftp://ftp.foolabs.com/pub/xpdf/xpdfbin-win-3.03.zip

давно бы уже враппер прикрутил и нажал савеастекст

(121) не конвертирует он этот ПДФ. ну не конвертирует.

(122) что это за фигня.

(119) да вот же засада. 8 штук уже перепробовал

да уж! фигня какая то, у меня ничего не открывает этот документ из бесплатного. а последняя утилита только цифры получает.

(126) ага. а вот адоб ридер нормально 9й

посмотрел блокнотом там нашел следы вот этого Producer(Adobe PDF Library 8.0), нужно что то подправить

(128) да есть такое создан с помощью этого

вот этой штукой подправил http://www.pcvare.com/pdf-fixer.html просмотровщики стали открывать, но pdftohtml также бред выдает

там именно версия пдф 1.6 видимо конверторы не могут с ней работать даже внутреняя структура различается в отличии от 1.4 например который конвертируется нормально

(116) Там возможно надо настроить xpdfrc, когда я настраивал для своего конвертирования мне оказалось достаточно там строчки "textEncoding        UTF-8"
И если конвертятся таблицы - то конвертить надо с ключом -layout

+(132) Еще у них там валяется кириллический пакет, я правда не понял как его подключать, у меня так заработало, без него.

+(132) вроде действительно из за кодировок нормально не работает. восстановил файл с помощью pdftk4all и потом уже pdftohtml, в результате русский текст не получаем а только цифры и латинские символы

pdf-fixer не понадобился достаточно бесплатной pdftk4all

(132) гм. счас попробую.

-layout
помогло. стало подобие структуры. а вот букв нету.

"textEncoding        UTF-8"

куда прописать. я смотрю это в файлике описано sample-xpdfrc

# The Xpdf tools look for a config file in two places:
# 1. ~/.xpdfrc
# 2. in a system-wide directory, typically /usr/local/etc/xpdfrc

это где такое

pdftotext -enc UTF-8 -layout n2.pdf
а потом
c:\Temp\xpdfbin-win-3.03\bin32>iconv -c -f utf-8 -t cp1251 c:\Temp\xpdfbin-win-3
.03\bin32\n2.txt >c:\Temp\xpdfbin-win-3.03\bin32\n3.txt

ура! все победили ))

так что-то получается

после pdftotext -enc UTF-8 -layout n2.pdf

текст кракозябры

(141) да. потом скачай http://gnuwin32.sourceforge.net/packages/libiconv.htm

конвертнешь из одной кодировки в другую, строку команды выложил

может можно как то и через pdftotext сразу в нормальной кодировке получить но не нашел пока

ураааааа.

немного табличка хреново получилась. но распарсю думаю

ну да ))

там я видел у них исходники вроде есть )

пля аминь. ветку наверное в БЗ

опс. а если не конвертируемый файл открыть виндовым нотепадом он его нормально показывает.

утф8 кодирвока винда. если поставить в просмоторщике тотала листере то русский текст нормальный. 1с то 77 поймет интересно правильно

в эске вроде только вин1251 и дос, так что нужно конвертировать

(151) да 1с утф8 не понимает

восьмерка вроде понимает

но в оригинале табличка гладко стоит а конвертер зараза двигает пробелы. не смертельно но не удобно

(153) гм. а может какие вк есть к 7ке. счас порою кто-то с текстом работал

думаю справишься

может и есть, но экселевские причуды из восьмерки полученные без проблем не грузились в семерку

можно в экселе txt попробовать открыть и тогда можно перебором получить нормальный текст

ну пасибо всем. уже экономия бабла на хапугах ритейле от чего тортики не станут дороже.

(158) нафик. распарсю что есть

смотри сам, тут вариантов куча

если еще нужно )
(137) просто в файлике, который так и называется xpdfrc, такая строчка, у меня там в этом конфиге больше ничего нет - я выкладывал его в архиве.
(138) лежать он должен прямо там где экзешник.

(162) он и в командной строке нормально работает
pdftotext -enc UTF-8 -layout n2.pdf

вот как получить в кодировке cp1251?

(163) вот что написано в sample-xpdfrc
# Choose a text encoding for copy-and-paste and for pdftotext output.
# The Latin1, ASCII7, and UTF-8 encodings are built into Xpdf.  Other
# encodings are available in the language support packages.

#textEncoding        UTF-8
на сайте лежит Xpdf: Cyrillic support package
If this package includes CMap files, they contain their own copyright
notices and distribution conditions.  All other files in the package
are Copyright 2002 Glyph & Cog, LLC, and are licensed under the GNU
General Public License (GPL), version 2 or 3.

This package provides support files needed to use the Xpdf tools with
Cyrillic PDF files.

Contents:
- Bulgarian character names
- KOI8-R encoding

ftp://ftp.foolabs.com/pub/xpdf/xpdf-cyrillic.tar.gz
то бишь будет KOI-8
как прикручивать там написано - надо внести строчки в xpdfrc

(164) еще не смотрел, но качал этот файл. еще один момент хочу найти, как ему сказать чтоб собака поля таблицы нужным разделителем конвертировал ))

(165) было бы круто. но по-моему никак не скажешь - таблица в пдф это такая условная штука - текст просто стоит в разных местах а сверху нарисована графикой сетка.

(166) да он тупо пробелами заменяет, возни больше

причем если команду дать -raw то сжимает все пробелы до одного )

вот есть такая команда:
      -fixed number
             Assume fixed-pitch (or tabular) text, with the specified charac-
             ter width (in points).  This forces physical layout mode.

(163) на, лови.
у меня получилось сразу в 1251 конвертить, надо только таблицу соответствующую прикрутить

где ловить?! ))

кстати, заметил хрень.
иногда pdftotext.exe "проглатывает" часть текста.

так что будь настороже

(171) :)))
http://zalil.ru/31605183

все получил

(173) с твоей кодировкой, таблица вообще... хрень полная ))

кажись понял как заставить конвертировать в нужные разделители )) в карте нужные символы на нужные поменять

(175) где? выложи пдф-ку посмотреть
или на мыло
мойник собака newmail тчк ru

(176) Это какие на какие ? )))
А то я бы сильно упростил свой код парсинга - я там запарился колонки выделять, особенно если вдруг текст оказался в колонках близко он просто одинарным пробелом отделяет - попробуй тут разбери где какая колонка.

(178) если бы знать, но те карты что скинули вообще таблицу изуродовали, вот мысль и пришла что наверное из карт все тянется

получилось

в (173) -layout забыли. табличка почти норм

(175) охренеть, но у меня адобе ридер при простом открытии, и потом сразу (ничего не делаюя) закрытии, твоего файлика, пишет: "Сохранить изменения в ** перед закрытием?"

напоминаю: Ридер!

первый раз такое вижу

(175) предъява про порчу текста отклоняется
вот выход: http://zalil.ru/31605289

(182) да уже разобрались )) в (180)

блин, но табуляции нет ((

(180) ничего я там не забыл. я для примера батник скинул, чтобы вы увидели, как таблицу кодировки подключить

(184) возьми за отправную точку, что табуляция - это следующие друг за другом неразрывно пробелы в кол-ве не менее 5-ти штук

(186) в нашем случае не меньше трех

и есть одна позиция, она так вообще вылетает из строки, переноситься. количество вверху остальное внизу ))

(188) это итого помоему

(188) у меня все гладко теперь

не не итого:
   2                                                     1
              11130 ОТ ПАЛЫЧА Торт ТВОРОЖНО-СЛИВОЧНЫЙ 800г   ШТ   297,06297,06   18    53,47      350,53

но если -row установить тогда нормально

относительно. 1с понимает строку всеравно сбивает табличку. а бот нотепад показывает ровно. да фиг с ним. распарсим. там элементарно зацепится

(191) у меня норм

да, видимо раз на раз

(191) ничё не выпадает. я тебе выход выслал, смотри ,всё норм

и потом, файл вообще какой-то странный, см(181)

(197) да не странный, законный адобовский, возможно версия ридера старая

хотя, иногда бывает на больших текстах, см.(172)

(196) я видимо с настройками намудрил

C:\tmp>c:\tmp\pdftotext.exe -cfg xpdfrc -enc CP-1251 -layout  c:\tmp\111.pdf
Syntax Error: Couldn't read xref table
Syntax Warning: PDF file is damaged - attempting to reconstruct xref table...
Syntax Error: Unterminated hex string
Syntax Error: End of file inside array
Syntax Error: End of file inside dictionary


кстати вот заметил на ругань. конвертит но ругается

(201) 8( может вот эта таблица... и предупреждает что строка там не завершена

(198) законный, говоришь? а ты когда-нибудь видел  в ридере такое: http://savepic.org/2126677.png  ?

а версия 1.6, нормальная

(203) а какая у тебя версия? это вроде отношение имеет к формам, где то читал что с ними проблема

(204)10.1.0.534

кучу файлов уже этой версией пересмотрел, но такого не видел

(203) а у меня не ругается

(207) какая версия?

(186) Если текст в колонках будет близко то пробел может оказаться всего один.
Ну и там вообще много приколов будет - особенно если в какой-то из строк будет многострочный текст.

(209) шо я могу на это сказать? не жрите кактус, и не организуйте эл.обмен информацией в pdf.

pdf совсем для другого придуман, вообще-то.
pdf - это ДОКУМЕНТ. в коммерческом смысле

(210) ага - я тоже это сказал своим и чтобы они позвонили тем кто нам такое присылает и попросили какой-нить другой формат. Они позвонили, те сказали - нам так программа выдает и всё, пришлось жрать кактус. (((

(211) тогда жрите кактус, и не пищите ;-)

(208) 9я говорит

(212) не. просто тупо это включается в цену того, что вы окупаете в магазине.

да можно исходник на крайний случай перекопать )) если с картами не разобраться

что самое интересное. виндовый блокнот при открытии правильно расставляет все символы. как будто табличка сохранена.

(216) а табы?

(216) подсказка: моноширинный шрифт

вот русификация https://translations.launchpad.net/xpdf-intl/trunk/+pots/xpdf

вот кусок карты составлять:

http://forum.rudtp.ru/showthread.php?t=36974&p=412925&viewfull=1#post412925

Надо еще ?

(221) В принципе решение найдено но если у тебя другой способ то выкладывай. может он проще

(222) уже писал в первой сотне, если нужно готовое - завтра, ибо лениво
(хотя уже был пост на мисте, по обычию всем интереснее как узнать Родителя)