如何用VBA将原PDF重命名以显示PDF内人的姓名

limonet

wanghan519 发表于 2024-3-27 13:03
不熟悉写的不好，感觉这样从utf8转gbk好像有点问题，不过也提取到了

老师，能释疑下这句吗？
    Set ex = sh.exec("cmd /c pushd """ & ThisWorkbook.Path & """ & pdftotext -raw -enc UTF-8 Rechnung.pdf -")

wanghan519

limonet 发表于 2024-3-27 16:54
老师，能释疑下这句吗？
    Set ex = sh.exec("cmd /c pushd """ & ThisWorkbook.Path & """ & pdftote ...

exec里是要执行的外部命令
cmd /c pushd 是先转到当前目录
后面用&连接真正要执行的命令
pdftotext -raw -enc UTF-8 原pdf文件 目标-表示输出到stdout
-raw是指pdf里原本的文本顺序，而不是按显示顺序，文本的位置更固定，方便后面提取
-enc需要指定字符编码为utf8才能提取pdf中的中文
后面可以通过ex.stdout.readall读取，但这里得到的是utf8
而vba自动把它当成gbk解码了，所以需要用adodb.stream先当成gbk写进比特流，还原，再当成utf8读出来

limonet

wanghan519 发表于 2024-3-27 17:14
exec里是要执行的外部命令
cmd /c pushd 是先转到当前目录
后面用&连接真正要执行的命令

谢谢，还是有很多乱码哦，尤其是中文。

老KD

wanghan519 发表于 2024-3-26 22:08
pdftotext是从xpdf官网下载的，用来提取PDF中的文字（非图片有可以选中的文字的PDF）
busybox提供了方便 ...

老师，又来麻烦您了不好意思！还烦请您看看，原来我提供给您的这个PDF的投保人姓名在第1页上，您解决了导出姓名的问题，如附件的最后一个数字 2 的魏邦杰。但，现在有的投保人的姓名在第3页（实际上第1页保险合同四个字下面也有投保人姓名，但这姓名可能是在图片上无法导出），在第3页上姓名的我就不知怎么导出了，还麻烦您再编个程序，太谢谢麻烦大师了

老KD

wanghan519 发表于 2024-3-27 13:03
不熟悉写的不好，感觉这样从utf8转gbk好像有点问题，不过也提取到了

老师，又来麻烦您了不好意思！

wanghan519

老KD 发表于 2024-3-28 08:58
老师，又来麻烦您了不好意思！还烦请您看看，原来我提供给您的这个PDF的投保人姓名在第1页上，您解决了导 ...

幸好不是图片，只是正则变化了，一个是投保人姓名，一个是被保险人姓名

老KD

老KD 发表于 2024-3-28 08:58
老师，又来麻烦您了不好意思！还烦请您看看，原来我提供给您的这个PDF的投保人姓名在第1页上，您解决了导 ...

谢谢老师，您的程序太强大了！！！谢谢大师:handshake

limonet

wanghan519 发表于 2024-3-27 17:14
exec里是要执行的外部命令
cmd /c pushd 是先转到当前目录
后面用&连接真正要执行的命令

老师，请教下：
1、过程tt，是不生成text文件，而是直接生成流后转码，还是会有错码，尤其是中文；
2、过程low，是曲线一点，pdftotext→text→load→转码→无乱码。
问题1能改进吗？谢谢。

wanghan519

..........

wanghan519

limonet 发表于 2024-3-28 11:18
老师，请教下：
1、过程tt，是不生成text文件，而是直接生成流后转码，还是会有错码，尤其是中文；
2、 ...

比如，在pdftotext后面加上管道，busybox iconv -f utf-8 -t gbk -c，这样在ex.stdout.readall读出来就已经是gbk没有乱码
或者，调用论坛里介绍的其他pdf库，或者word打开pdf，也可以方便的得到文本内容
其实方法2更好，先写入文本，再读取

最近喜欢在wps和Linux里搞，想要兼容这些，发现把外部调用这些操作都放到httpd的cgi-bin里似乎更方便，简单的说就是把这些外部调用包括转编码都写在外部脚本里，就像最开始那种同时兼容win和Linux的脚本，然后Excel或wps通过发http请求传参数获取结果，相比wscript.shell有很多好处