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   int exitCode;
  95
  96   exitCode = 99;
  97
  98   // parse args
  99   ok = parseArgs(argDesc, &argc, argv);
 100   if (!ok || argc < 2 || argc > 3 || printVersion || printHelp) {
 101     fprintf(stderr, "pdftotext version %s\n", xpdfVersion);
 102     fprintf(stderr, "%s\n", xpdfCopyright);
 103     if (!printVersion) {
 104       printUsage("pdftotext", "<PDF-file> [<text-file>]", argDesc);
 105     }
 106     goto err0;
 107   }
 108   fileName = new GString(argv[1]);
 109
 110   // read config file
 111   globalParams = new GlobalParams(cfgFileName);
 112   if (textEncName[0]) {
 113     globalParams->setTextEncoding(textEncName);
 114   }
 115   if (textEOL[0]) {
 116     if (!globalParams->setTextEOL(textEOL)) {
 117       fprintf(stderr, "Bad '-eol' value on command line\n");
 118     }
 119   }
 120   if (quiet) {
 121     globalParams->setErrQuiet(quiet);
 122   }
 123
 124   // get mapping to output encoding
 125   if (!(uMap = globalParams->getTextEncoding())) {
 126     error(-1, "Couldn't get text encoding");
 127     delete fileName;
 128     goto err1;
 129   }
 130
 131   // open PDF file
 132   if (ownerPassword[0]) {
 133     ownerPW = new GString(ownerPassword);
 134   } else {
 135     ownerPW = NULL;
 136   }
 137   if (userPassword[0]) {
 138     userPW = new GString(userPassword);
 139   } else {
 140     userPW = NULL;
 141   }
 142   doc = new PDFDoc(fileName, ownerPW, userPW);
 143   if (userPW) {
 144     delete userPW;
 145   }
 146   if (ownerPW) {
 147     delete ownerPW;
 148   }
 149   if (!doc->isOk()) {
 150     exitCode = 1;
 151     goto err2;
 152   }
 153
 154   // check for copy permission
 155   if (!doc->okToCopy()) {
 156     error(-1, "Copying of text from this document is not allowed.");
 157     exitCode = 3;
 158     goto err2;
 159   }
 160
 161   // construct text file name
 162   if (argc == 3) {
 163     textFileName = new GString(argv[2]);
 164   } else {
 165     p = fileName->getCString() + fileName->getLength() - 4;
 166     if (!strcmp(p, ".pdf") || !strcmp(p, ".PDF")) {
 167       textFileName = new GString(fileName->getCString(),
 168                                  fileName->getLength() - 4);
 169     } else {
 170       textFileName = fileName->copy();
 171     }
 172     textFileName->append(htmlMeta ? ".html" : ".txt");
 173   }
 174
 175   // get page range
 176   if (firstPage < 1) {
 177     firstPage = 1;
 178   }
 179   if (lastPage < 1 || lastPage > doc->getNumPages()) {
 180     lastPage = doc->getNumPages();
 181   }
 182
 183   // write HTML header
 184   if (htmlMeta) {
 185     if (!textFileName->cmp("-")) {
 186       f = stdout;
 187     } else {
 188       if (!(f = fopen(textFileName->getCString(), "wb"))) {
 189         error(-1, "Couldn't open text file '%s'", textFileName->getCString());
 190         exitCode = 2;
 191         goto err3;
 192       }
 193     }
 194     fputs("<html>\n", f);
 195     fputs("<head>\n", f);
 196     doc->getDocInfo(&info);
 197     if (info.isDict()) {
 198       printInfoString(f, info.getDict(), "Title", "<title>", "</title>\n",
 199                       uMap);
 200       printInfoString(f, info.getDict(), "Subject",
 201                       "<meta name=\"Subject\" content=\"", "\">\n", uMap);
 202       printInfoString(f, info.getDict(), "Keywords",
 203                       "<meta name=\"Keywords\" content=\"", "\">\n", uMap);
 204       printInfoString(f, info.getDict(), "Author",
 205                       "<meta name=\"Author\" content=\"", "\">\n", uMap);
 206       printInfoString(f, info.getDict(), "Creator",
 207                       "<meta name=\"Creator\" content=\"", "\">\n", uMap);
 208       printInfoString(f, info.getDict(), "Producer",
 209                       "<meta name=\"Producer\" content=\"", "\">\n", uMap);
 210       printInfoDate(f, info.getDict(), "CreationDate",
 211                     "<meta name=\"CreationDate\" content=\"\">\n");
 212       printInfoDate(f, info.getDict(), "LastModifiedDate",
 213                     "<meta name=\"ModDate\" content=\"\">\n");
 214     }
 215     info.free();
 216     fputs("</head>\n", f);
 217     fputs("<body>\n", f);
 218     fputs("<pre>\n", f);
 219     if (f != stdout) {
 220       fclose(f);
 221     }
 222   }
 223
 224   // write text file
 225   textOut = new TextOutputDev(textFileName->getCString(), rawOrder, htmlMeta);
 226   if (textOut->isOk()) {
 227     doc->displayPages(textOut, firstPage, lastPage, 72, 0, gFalse);
 228   } else {
 229     delete textOut;
 230     exitCode = 2;
 231     goto err3;
 232   }
 233   delete textOut;
 234
 235   // write end of HTML file
 236   if (htmlMeta) {
 237     if (!textFileName->cmp("-")) {
 238       f = stdout;
 239     } else {
 240       if (!(f = fopen(textFileName->getCString(), "ab"))) {
 241         error(-1, "Couldn't open text file '%s'", textFileName->getCString());
 242         exitCode = 2;
 243         goto err3;
 244       }
 245     }
 246     fputs("</pre>\n", f);
 247     fputs("</body>\n", f);
 248     fputs("</html>\n", f);
 249     if (f != stdout) {
 250       fclose(f);
 251     }
 252   }
 253
 254   exitCode = 0;
 255
 256   // clean up
 257  err3:
 258   delete textFileName;
 259  err2:
 260   delete doc;
 261   uMap->decRefCnt();
 262  err1:
 263   delete globalParams;
 264  err0:
 265
 266   // check for memory leaks
 267   Object::memCheck(stderr);
 268   gMemReport(stderr);
 269
 270   return exitCode;
 271 }
 272
 273 static void printInfoString(FILE *f, Dict *infoDict, char *key,
 274                             char *text1, char *text2, UnicodeMap *uMap) {
 275   Object obj;
 276   GString *s1;
 277   GBool isUnicode;
 278   Unicode u;
 279   char buf[8];
 280   int i, n;
 281
 282   if (infoDict->lookup(key, &obj)->isString()) {
 283     fputs(text1, f);
 284     s1 = obj.getString();
 285     if ((s1->getChar(0) & 0xff) == 0xfe &&
 286         (s1->getChar(1) & 0xff) == 0xff) {
 287       isUnicode = gTrue;
 288       i = 2;
 289     } else {
 290       isUnicode = gFalse;
 291       i = 0;
 292     }
 293     while (i < obj.getString()->getLength()) {
 294       if (isUnicode) {
 295         u = ((s1->getChar(i) & 0xff) << 8) |
 296             (s1->getChar(i+1) & 0xff);
 297         i += 2;
 298       } else {
 299         u = s1->getChar(i) & 0xff;
 300         ++i;
 301       }
 302       n = uMap->mapUnicode(u, buf, sizeof(buf));
 303       fwrite(buf, 1, n, f);
 304     }
 305     fputs(text2, f);
 306   }
 307   obj.free();
 308 }
 309
 310 static void printInfoDate(FILE *f, Dict *infoDict, char *key, char *fmt) {
 311   Object obj;
 312   char *s;
 313
 314   if (infoDict->lookup(key, &obj)->isString()) {
 315     s = obj.getString()->getCString();
 316     if (s[0] == 'D' && s[1] == ':') {
 317       s += 2;
 318     }
 319     fprintf(f, fmt, s);
 320   }
 321   obj.free();
 322 }