sslug-teknik team mailing list archive

[jtheilnielsen@xxxxxxxx (Jon Theil Nielsen)]

Frank Vestergaard Pedersen skrev:

> Frank Damgaard wrote:

> > On Tue, Feb 14, 2006 at 11:04:41AM +0000, Jon Theil Nielsen wrote:
> >  
> >
> > > I forbindelse med opsætning af en søgefunktion på mit website vil jeg 
> > > bruge pdftotext til at konvertere pdf-filer til tekst. Det fungerer 
> > > egentlig udmærket. Bortset fra at det går galt med danske specialtegn, 
> > > hvor der bliver indsat koder som fx <C3><98> i stedet for "Ø". Findes der 
> > > en løsning på dette problem?
> > >    
> >
> > Hos mig virker det men jeg har muligvis også anvendt PDF filer
> > med Latin1 som er standard i pdftotext.
> > Se option "-enc" i "man pdftotext"
> > Muligvis du anvender dokumenter med unicode, utf8 eller andet
> > tegnsæt?
> >
> >
> >  
> prøv med:

> pdftotext -enc UTF-8 fil.pdf fil.txt

> Det virker på min ubuntu! Dvs. at output filen bliver i utf-8 format.

> /Frank
Det giver desværre samme resultat. Jeg kan ikke se på pdf-filerne, hvilken 
kodning de har. Jeg er ikke i tvivl om at outputformattet bliver UTF-8, 
men problemet er åbenbart at læse inputformatet. Hvilke andre encodings 
kunne man forestille sig ville virke?

--
Jon