Lib.rs

Textract

Textract 是一个 Rust 库，用于从各种文件类型中提取文本。支持的文件扩展名。

txt odf ods odt pptx xlsx pdf

安装和使用；

使用 cargo 安装 textract。

// there is a pdf file at ./tmp.pdf
let content = textract::extract("tmp.pdf","pdf").unwrap;
// content contains raw text in pdf. do whatever you want. 

main.rs 包含 textract 库的使用示例。

命令行

命令行很简单。

textract tmp.pdf pdf

路线图。

这个库处于beta阶段，仅支持少量文件类型，但 Textract 支持的文件类型将不断增加。因为该项目是 的一部分。

• 支持压缩文件和 tar 存档
• 使用 lib magic 识别文件类型。
• 所有类型的文档文件。