CentOS安裝Xpdf教學

6月 29, 2009 電腦軟體 , DSpace 1 Comments Edit Copy Download

Xpdf是Linux中可以讀取PDF檔案的開放原始碼程式，我引用一下Wikipedia的詳細介紹：

Xpdf 是一個開放原始碼的PDF檔案瀏覽器，此軟體運行於X Window以及Motif上。 Xpdf 也實際運行於所有類Unix作業系統上。Xpdf 可解碼LZW壓縮格式並閱讀加密的PDF文件。官方版本的Xpdf遵循PDF檔案的智慧財產權政策，因此可能禁止拷貝、列印或轉換的功能。當然有某些破解補丁可以忽略這些智慧財產管理限制。

Xpdf包含數項不需要X windows系統的程式，包含了解析PDF的圖檔以及將PDF轉檔成文字檔或PostScript的程式。

Xpdf也被其他PDF瀏覽程式用於前端，例如KPDF（一個運行在KDE桌面的程式）。而它的文字引擎則被許多PDF瀏覽程式運用，例如BeOS上的BePDF、RISCOS上的!PDF以及Palm OS上的PalmPDF。

Poppler以xpdf 3.0的繪圖函式庫為基礎創造出來，以便增加其再用性。許多程式（包括Xpdf自己）可使用poppler為它們的後端繪圖器。

來源：Xpdf - 維基百科，自由的百科全書，http://zh.wikipedia.org/wiki/Xpdf

Xpdf很重要的功能在於「從PDF轉成文字檔」，這可以取代DSpace原本使用PDFbox的缺點：PDFbox不支援Acrobat 9的PDF檔案。

在一篇網路上到處轉載的「JAVA抽取WORD和PDF格式文件的四种武器」當中也有介紹到Xpdf，但並沒有很詳盡的安裝方法。所以這一篇主要是來教大家怎麼在Linux，特別是在CentOS當中安裝Xpdf。

Xpdf可以利用rpm來安裝，而相依套件的部份我們則是用yum來安裝。

1. 安裝Xpdf的相依套件

請以root的身份輸入以下指令：

[root@dspace ~]# yum install -y openmotif libpaper poppler-utils xdg-utils

2. 下載Xpdf的rpm檔案並安裝

Xpdf沒有提供rpm，但我們可以在RPM pbone.net找到Xpdf的rpm安裝檔。網頁位置在這裡，其中一個載點請點此下載，另外我準備了SkyDrive備份。

確定你存放的位置之後，請以root的身份輸入以下指令：.

[root@dspace ~]# rpm -ivh xpdf-3.02-5.el5.1.i386.rpm

如果沒有錯誤訊息，表示安裝成功。

3. 安裝語系檔

請先下載以下語系檔，或是下載我在SkyDrive的語系檔備份。

• 阿拉伯文：http://rpm.pbone.net/index.php3/stat/4/idpl/1651197/com/xpdf-arabic-1.0-2.noarch.rpm.html
• 繁體中文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408073/com/xpdf-chinese-traditional-2.01-8.i386.rpm.html
• 簡體中文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408072/com/xpdf-chinese-simplified-2.01-8.i386.rpm.html
• 西里爾字母(一種斯拉夫語文字母)：http://rpm.pbone.net/index.php3/stat/4/idpl/654920/com/xpdf-cyrillic-1.0-1.i386.rpm.html
• 希伯來文：http://rpm.pbone.net/index.php3/stat/4/idpl/1651202/com/xpdf-hebrew-1.0-4.noarch.rpm.html
• 德文：http://rpm.pbone.net/index.php3/stat/4/idpl/654882/com/xpdf-greek-1.0-1.i386.rpm.html
• 拉丁文2：http://rpm.pbone.net/index.php3/stat/4/idpl/659180/com/xpdf-latin2-1.0-3.i386.rpm.html
• 日文：http://rpm.pbone.net/index.php3/stat/4/idpl/2408074/com/xpdf-japanese-2.01-8.i386.rpm.html
• 韓文：(會相衝，rpm要搭配--force安裝)http://rpm.pbone.net/index.php3/stat/4/idpl/2408075/com/xpdf-korean-2.01-8.i386.rpm.html
• 泰文：http://rpm.pbone.net/index.php3/stat/4/idpl/654428/com/xpdf-thai-1.0-1.i386.rpm.html
• 土耳其文：http://rpm.pbone.net/index.php3/stat/4/idpl/659598/com/xpdf-turkish-1.0-1.i386.rpm.html

如果你下載我備份的壓縮檔，請依照以下指令來解壓縮並安裝。

[root@dspace ~]# unzip xpdf-language-i386.zip -d lang
[root@dspace ~]# rpm –ivh lang/xpdf-*.rpm --force

4. 使用Xpdf的pdftotext來抽取PDF的文字檔

讓我們試著將一個PDF檔案中的文字抽取成txt文字檔吧。

1. 請下載PDF檔案：「Chen, A Study on Knowledge Extraction from User Reading Annotation of Digital Library.pdf」(其實這是我的論文計畫書初稿XD)。
2. 放到伺服器中的位置，你知道的地方即可。
3. 執行pdftotext指令與檔名，如下：

[root@dspace ~]# pdftotext Chen\,\ A\ Study\ on\ Knowledge\ Extraction\ from\ User\ Reading\ Annotation\ of\ Digital\ Library.pdf

4. 此時應該會有同樣檔名，但是副檔名為.txt的檔案產生。結果應該跟這個檔案一樣，下圖中，左邊是PDF原稿，右邊則是抽取出來的文字檔！

這樣就安裝完成囉。此外，上面安裝過語系檔的檔案也全都可以如法炮製地抽取出文字檔，Xpdf非常地強大！

本篇教學是為了擴增DSpace的Media-filter而鋪路，我現在正要把Xpdf跟DSpace整合，讓DSpace全文搜尋功能更為完整。