如何将pdf文件的内容提取到字符串变量中

简短地进行扫描，我发现没有现有的Perl模块能够以最小的麻烦完全满足您的要求。但是，在开源平台上，Poppler带来了该实用程序pdftotext。没有什么可以阻止Perl通过以下方式调用pdftotext二进制文件的

my $output_of_pdftotext = `pdftotext $pdf_file`;

要么

my @output_of_pdftotext = `pdftotext $pdf_file`;

如果您不是要泛化您的解决方案，而只是需要解决您当前的问题（我认为这是您目前的方向，就您使用的Perl而言，它在这种用法上很出色），那么我的实际建议是您安装Poppler的pdftotext实用程序，在PDF上手动尝试，然后查看其输出。然后，考虑到Perl的最小流利程度，您可以让Perl脚本模式匹配输出并根据需要重新格式化。

字符编码

跟进，OP询问：

[T] o在stdout poppler上提取pdf的内容效果很好，但是我对显示包含重音符号的某些单词有一个小问题，例如：标准输出中的désignation（pdf）=DÃsignation？

utf-8字符编码使用两个字节C3 A9（十六进制）对“é”进行编码。iso-8859-1编码使用相同的两个字节编码“Ô。您的“désignation”显然编码为utf-8，这是正常现象，因此您的标准输出是正确的。但是，显然，您的终端要显示iso-8859-1。如果是这样，则您的终端会误解标准输出。

您可以告诉pdftotext使用iso-8859-1（我将其留给您作为练习阅读手册页并弄清楚如何执行此操作）。但是，我的建议是改为将终端设置为显示utf-8。

如何设置终端显示utf-8？这取决于您使用的终端。我不知道你的终端。在我的终端上，更改编码很容易。可能需要几分钟的时间对终端的首选项和设置进行探索和试验，才能向您展示如何更改为utf-8。