Доброе время суток.

Появилось желание написать программку конвертирования pdf to doc (или в любой другой текстовый формат, поддающейся редактированию).
В inete ничего ценного мне найти не удалось  (одни ссылки на download), а хотелось бы почитать о "нутре" pdf, его техн. характеристиках, мыслей по поводу решения данной задачи и т.д.

Please, кому что попадалось ценное, киньте ссылочки. Уж очень хочется попробовать свои силы   

PDF не содержит текста. Он содержит рисунки страниц. Так что придется писать свой FineReader...

чего!?

pdf - графический формат, насколько я помню, было специально так сделано, чтобы защитить авторские права - типа чтобы было нельзя выдрать текст и использовать по своему усмотрению

нет. ты с чем-то путаешь. я могу спокойно скопировать текст из нормального документа pdf.

Добавлено @ 18:28 

http://www.adobe.com/devnet/acrobat/pdfs/pdf_reference.pdf

Видимо я максимизировал проблему. Просто мне не попадались файлы pdf с открытым текстом. Сам формат это позволяет, но большинство документов именно картинки - из них текст не скопировать.

Правильнее сказать "Позволяет защищать авторские права"

нет. нельзя скопировать != картинки. Просто возможность извлечь текст стандартным способом заблокирована. Но в самом файле безусловно содержится текст. Если конечно это не кривые сканы какой-нибудь книжки

Странно, что мне не попадались ни разу конвертеры. Вот аналогичные темы в форумах попадались... Достаточно полезная утилита была бы (если ее нет) - очень часто бесит отсутствие возможности процитировать кусок pdf-файла. Или автопереводчиком пройтись...

да, видимо так и есть, обычно в пдф текст храниться в виде текста, что объясняет высокую плотность информации формата, но извлечь ее оттуда довольно трудно, а выцепить вместе со всеми форматами, таблицами, шрифтами и тп практически невозможно, как то возникла необходимость конвертнуть пдф-ку в док, но ни одна прога конвертирования не дала более менее приличного результата. Делаю вывод, что автору топика придется оччень нелегко в сем начинании  

А нет ни у кого формата на русском? Я, конечно, немного английский понимаю, но не до такой степени. Достаточно интересная прога бы получилась - можно было бы кинуть на форум, многие бы пользовались...

Вот здесь общими фразами сказано, что такое PDF: http://www.adobe.ru/programms/postscript-pdf.html
Я так понял, PDF это контейнер, содержащий кучу всякой информации. И, судя по всему, текст c векторной графикой там в виде PostScript.

На основном файле adobe намного больше инормации. Но я не все там понимаю, к сожалению.



Нет, не думаю - зачем так усложнять, хотя кто их знает... PDF задуман как универсальный стандарт, позволяющий хранить практически любые объекты. В большинстве случаев использования применяется для хранения графики или отсканированного текста (что и вызвало мое невежество в этом вопросе). На самом деле, я думаю, что если бы конвертер в текстовый файл был бы принципиально возможен - он был бы уже написан. Где-то тут подвох.

Хотя перевести из postscript'a назад в текст очень похоже на задачу перевода ассемблерного кода в программу на Си... Если там действительно постскрипт, то я в общих чертах прав - по сути это графическая информация.... От этого данная задача становится не менее интересной...

Это сообщение отредактировал(а) Anikmar - 8.2.2007, 22:51

На самом деле в PDF очень редко хранят сканы.  Лично я если и встречал, то только один такой файл, не более.

тебе повезло. у меня треть коллекции - картинки 

Это сообщение отредактировал(а) Daevaorn - 8.2.2007, 23:08

Согласен. У меня 60%.