pdf/xpdf/pdftotext.cc

   1 //========================================================================
   2 //
   3 // pdftotext.cc
   4 //
   5 // Copyright 1997-2002 Glyph & Cog, LLC
   6 //
   7 //========================================================================
   8
   9 #include <aconf.h>
  10 #include <stdio.h>
  11 #include <stdlib.h>
  12 #include <stddef.h>
  13 #include <string.h>
  14 #include "parseargs.h"
  15 #include "GString.h"
  16 #include "gmem.h"
  17 #include "GlobalParams.h"
  18 #include "Object.h"
  19 #include "Stream.h"
  20 #include "Array.h"
  21 #include "Dict.h"
  22 #include "XRef.h"
  23 #include "Catalog.h"
  24 #include "Page.h"
  25 #include "PDFDoc.h"
  26 #include "TextOutputDev.h"
  27 #include "CharTypes.h"
  28 #include "UnicodeMap.h"
  29 #include "Error.h"
  30 #include "config.h"
  31
  32 static void printInfoString(FILE *f, Dict *infoDict, char *key,
  33                             char *text1, char *text2, UnicodeMap *uMap);
  34 static void printInfoDate(FILE *f, Dict *infoDict, char *key, char *fmt);
  35
  36 static int firstPage = 1;
  37 static int lastPage = 0;
  38 static GBool rawOrder = gFalse;
  39 static GBool htmlMeta = gFalse;
  40 static char textEncName[128] = "";
  41 static char textEOL[16] = "";
  42 static char ownerPassword[33] = "";
  43 static char userPassword[33] = "";
  44 static GBool quiet = gFalse;
  45 static char cfgFileName[256] = "";
  46 static GBool printVersion = gFalse;
  47 static GBool printHelp = gFalse;
  48
  49 static ArgDesc argDesc[] = {
  50   {"-f",      argInt,      &firstPage,     0,
  51    "first page to convert"},
  52   {"-l",      argInt,      &lastPage,      0,
  53    "last page to convert"},
  54   {"-raw",    argFlag,     &rawOrder,      0,
  55    "keep strings in content stream order"},
  56   {"-htmlmeta", argFlag,   &htmlMeta,      0,
  57    "generate a simple HTML file, including the meta information"},
  58   {"-enc",    argString,   textEncName,    sizeof(textEncName),
  59    "output text encoding name"},
  60   {"-eol",    argString,   textEOL,        sizeof(textEOL),
  61    "output end-of-line convention (unix, dos, or mac)"},
  62   {"-opw",    argString,   ownerPassword,  sizeof(ownerPassword),
  63    "owner password (for encrypted files)"},
  64   {"-upw",    argString,   userPassword,   sizeof(userPassword),
  65    "user password (for encrypted files)"},
  66   {"-q",      argFlag,     &quiet,         0,
  67    "don't print any messages or errors"},
  68   {"-cfg",        argString,      cfgFileName,    sizeof(cfgFileName),
  69    "configuration file to use in place of .xpdfrc"},
  70   {"-v",      argFlag,     &printVersion,  0,
  71    "print copyright and version info"},
  72   {"-h",      argFlag,     &printHelp,     0,
  73    "print usage information"},
  74   {"-help",   argFlag,     &printHelp,     0,
  75    "print usage information"},
  76   {"--help",  argFlag,     &printHelp,     0,
  77    "print usage information"},
  78   {"-?",      argFlag,     &printHelp,     0,
  79    "print usage information"},
  80   {NULL}
  81 };
  82
  83 int main(int argc, char *argv[]) {
  84   PDFDoc *doc;
  85   GString *fileName;
  86   GString *textFileName;
  87   GString *ownerPW, *userPW;
  88   TextOutputDev *textOut;
  89   FILE *f;
  90   UnicodeMap *uMap;
  91   Object info;
  92   GBool ok;
  93   char *p;
  94
  95   // parse args
  96   ok = parseArgs(argDesc, &argc, argv);
  97   if (!ok || argc < 2 || argc > 3 || printVersion || printHelp) {
  98     fprintf(stderr, "pdftotext version %s\n", xpdfVersion);
  99     fprintf(stderr, "%s\n", xpdfCopyright);
 100     if (!printVersion) {
 101       printUsage("pdftotext", "<PDF-file> [<text-file>]", argDesc);
 102     }
 103     exit(1);
 104   }
 105   fileName = new GString(argv[1]);
 106
 107   // read config file
 108   globalParams = new GlobalParams(cfgFileName);
 109   if (textEncName[0]) {
 110     globalParams->setTextEncoding(textEncName);
 111   }
 112   if (textEOL[0]) {
 113     if (!globalParams->setTextEOL(textEOL)) {
 114       fprintf(stderr, "Bad '-eol' value on command line\n");
 115     }
 116   }
 117   if (quiet) {
 118     globalParams->setErrQuiet(quiet);
 119   }
 120
 121   // get mapping to output encoding
 122   if (!(uMap = globalParams->getTextEncoding())) {
 123     error(-1, "Couldn't get text encoding");
 124     delete fileName;
 125     goto err1;
 126   }
 127
 128   // open PDF file
 129   if (ownerPassword[0]) {
 130     ownerPW = new GString(ownerPassword);
 131   } else {
 132     ownerPW = NULL;
 133   }
 134   if (userPassword[0]) {
 135     userPW = new GString(userPassword);
 136   } else {
 137     userPW = NULL;
 138   }
 139   doc = new PDFDoc(fileName, ownerPW, userPW);
 140   if (userPW) {
 141     delete userPW;
 142   }
 143   if (ownerPW) {
 144     delete ownerPW;
 145   }
 146   if (!doc->isOk()) {
 147     goto err2;
 148   }
 149
 150   // check for copy permission
 151   if (!doc->okToCopy()) {
 152     error(-1, "Copying of text from this document is not allowed.");
 153     goto err2;
 154   }
 155
 156   // construct text file name
 157   if (argc == 3) {
 158     textFileName = new GString(argv[2]);
 159   } else {
 160     p = fileName->getCString() + fileName->getLength() - 4;
 161     if (!strcmp(p, ".pdf") || !strcmp(p, ".PDF")) {
 162       textFileName = new GString(fileName->getCString(),
 163                                  fileName->getLength() - 4);
 164     } else {
 165       textFileName = fileName->copy();
 166     }
 167     textFileName->append(htmlMeta ? ".html" : ".txt");
 168   }
 169
 170   // get page range
 171   if (firstPage < 1) {
 172     firstPage = 1;
 173   }
 174   if (lastPage < 1 || lastPage > doc->getNumPages()) {
 175     lastPage = doc->getNumPages();
 176   }
 177
 178   // write HTML header
 179   if (htmlMeta) {
 180     if (!textFileName->cmp("-")) {
 181       f = stdout;
 182     } else {
 183       if (!(f = fopen(textFileName->getCString(), "wb"))) {
 184         error(-1, "Couldn't open text file '%s'", textFileName->getCString());
 185         goto err3;
 186       }
 187     }
 188     fputs("<html>\n", f);
 189     fputs("<head>\n", f);
 190     doc->getDocInfo(&info);
 191     if (info.isDict()) {
 192       printInfoString(f, info.getDict(), "Title", "<title>", "</title>\n",
 193                       uMap);
 194       printInfoString(f, info.getDict(), "Subject",
 195                       "<meta name=\"Subject\" content=\"", "\">\n", uMap);
 196       printInfoString(f, info.getDict(), "Keywords",
 197                       "<meta name=\"Keywords\" content=\"", "\">\n", uMap);
 198       printInfoString(f, info.getDict(), "Author",
 199                       "<meta name=\"Author\" content=\"", "\">\n", uMap);
 200       printInfoString(f, info.getDict(), "Creator",
 201                       "<meta name=\"Creator\" content=\"", "\">\n", uMap);
 202       printInfoString(f, info.getDict(), "Producer",
 203                       "<meta name=\"Producer\" content=\"", "\">\n", uMap);
 204       printInfoDate(f, info.getDict(), "CreationDate",
 205                     "<meta name=\"CreationDate\" content=\"\">\n");
 206       printInfoDate(f, info.getDict(), "LastModifiedDate",
 207                     "<meta name=\"ModDate\" content=\"\">\n");
 208     }
 209     info.free();
 210     fputs("</head>\n", f);
 211     fputs("<body>\n", f);
 212     fputs("<pre>\n", f);
 213     if (f != stdout) {
 214       fclose(f);
 215     }
 216   }
 217
 218   // write text file
 219   textOut = new TextOutputDev(textFileName->getCString(), rawOrder, htmlMeta);
 220   if (textOut->isOk()) {
 221     doc->displayPages(textOut, firstPage, lastPage, 72, 0, gFalse);
 222   }
 223   delete textOut;
 224
 225   // write end of HTML file
 226   if (htmlMeta) {
 227     if (!textFileName->cmp("-")) {
 228       f = stdout;
 229     } else {
 230       if (!(f = fopen(textFileName->getCString(), "ab"))) {
 231         error(-1, "Couldn't open text file '%s'", textFileName->getCString());
 232         goto err3;
 233       }
 234     }
 235     fputs("</pre>\n", f);
 236     fputs("</body>\n", f);
 237     fputs("</html>\n", f);
 238     if (f != stdout) {
 239       fclose(f);
 240     }
 241   }
 242
 243   // clean up
 244  err3:
 245   delete textFileName;
 246  err2:
 247   delete doc;
 248   uMap->decRefCnt();
 249  err1:
 250   delete globalParams;
 251
 252   // check for memory leaks
 253   Object::memCheck(stderr);
 254   gMemReport(stderr);
 255
 256   return 0;
 257 }
 258
 259 static void printInfoString(FILE *f, Dict *infoDict, char *key,
 260                             char *text1, char *text2, UnicodeMap *uMap) {
 261   Object obj;
 262   GString *s1;
 263   GBool isUnicode;
 264   Unicode u;
 265   char buf[8];
 266   int i, n;
 267
 268   if (infoDict->lookup(key, &obj)->isString()) {
 269     fputs(text1, f);
 270     s1 = obj.getString();
 271     if ((s1->getChar(0) & 0xff) == 0xfe &&
 272         (s1->getChar(1) & 0xff) == 0xff) {
 273       isUnicode = gTrue;
 274       i = 2;
 275     } else {
 276       isUnicode = gFalse;
 277       i = 0;
 278     }
 279     while (i < obj.getString()->getLength()) {
 280       if (isUnicode) {
 281         u = ((s1->getChar(i) & 0xff) << 8) |
 282             (s1->getChar(i+1) & 0xff);
 283         i += 2;
 284       } else {
 285         u = s1->getChar(i) & 0xff;
 286         ++i;
 287       }
 288       n = uMap->mapUnicode(u, buf, sizeof(buf));
 289       fwrite(buf, 1, n, f);
 290     }
 291     fputs(text2, f);
 292   }
 293   obj.free();
 294 }
 295
 296 static void printInfoDate(FILE *f, Dict *infoDict, char *key, char *fmt) {
 297   Object obj;
 298   char *s;
 299
 300   if (infoDict->lookup(key, &obj)->isString()) {
 301     s = obj.getString()->getCString();
 302     if (s[0] == 'D' && s[1] == ':') {
 303       s += 2;
 304     }
 305     fprintf(f, fmt, s);
 306   }
 307   obj.free();
 308 }