PDF関連

pdftotext（Windows で使う）

　pdfファイルからテキスト文字列を抽出するツールとして、pdftotext があります。
　Xpdf という pdf を X Window 上で表示すのツールの配布物の一部として、UNIX 派生の OS の場合は、Xpdfのダウンロードサイトから最新のものをダウンロードして指示に従ってインストールすれば良いでしょう。

　日本語サポートパッケージ ftp://ftp.foolabs.com/pub/xpdf/xpdf-japanese.tar.gz をインストールすることを忘れなければ問題ないと思います。

　日本語でのインストールの手順の解説では、 http://october.servehttp.com/pdftotext.htm があります。

（・・・といっても、私はやったことがありません。）

　Windows  では、Xpdfのツールの中の一部（pdftotext含む）が使えます。ここでは、コンパイル済みのバイナリを使って pdftotextが使えるように環境設定します。

1.pdftotextのインストール

  ダウンロードサイトから、最新の Win32用バイナリをダウンロードします。（私がダウンロードした時には、 xpdf-2.01-win32.zip でした。）
　解凍すると、xpdf-2.01-win32 というフォルダ内にファイルが作成されますが、そのフォルダ内のファイルを "C:\Program Files\Xpdf" フォルダーにコピーします。

2.日本語パッケージのインストール

　1.でダウンロードしたのと同じサイトから xpdf-japanese.tar.gz をダウンロードして、解凍すると "xpdf-japanese" というフォルダの下にファイルが作成されあす。そのフォルダ内のファイルを "C:\Program Files\Xpdf\japanese" フォルダーにコピーします。

3.configファイルの作成

　　このファイルを xpdfrc という名前で、"C:\Program Files\Xpdf" フォルダーに保存します

4.使ってみる

コマンドラインから

と入力すると、foo.txt というファイルが作成されます。

　必要であれば、"C:\Program Files\Xpdf"を検索パスに加えればよいでしょう。

5.他のフォルダーにインストールしてみたい

　要は、pdftotext.exe がデフォルトでは、3.でインストールした設定ファイルを "C:\Program Files\Xpdf\xpdfrc"から、読み込んでいるので、xpdfrc ファイルをこの場所に置けば、（そして xpdfrc の中身を書き直せば）他のファイルを他の場所に置くことはできます。
　また、xpdfrc ファイルは、pdftotext.exe の -cfg オプションで指定することができるので、毎回

と指定すれば、使えるでしょう。