.\" Copyright 1997-2011 Glyph & Cog, LLC
.TH pdftotext 1 "15 August 2011"
.SH "نام (NAME)"
pdftotext \- مبدل قالب سند قابل‌حمل (PDF) به متن (نسخه 3.03)
.SH "خلاصه دستور (SYNOPSIS)"
.B pdftotext
[options]
.RI PDF-file
.RI [ text-file ]
.SH "توضیحات (DESCRIPTION)"
برنامهٔ
.B pdftotext
فایل‌های قالب سند قابل‌حمل (PDF) را به متن ساده تبدیل می‌کند.
.PP
این برنامه فایل PDF ورودی یعنی
.IR PDF-file
را خوانده و یک فایل متنی با نام
.IR text-file
تولید می‌کند. اگر
.I text-file
مشخص نشده باشد، pdftotext فایل
.I file.pdf
را به
.IR file.txt
تبدیل خواهد کرد. اگر مقدار
.I text-file
برابر با \(aq\-\(aq باشد، متن به خروجی استاندارد (stdout) ارسال می‌شود. اگر
.I PDF-file
برابر با \(aq\-\(aq باشد، فایل PDF از ورودی استاندارد (stdin) خوانده می‌شود.
.SH "گزینه‌ها (OPTIONS)"
.TP
.BI \-f " number"
اولین صفحه‌ای که باید تبدیل شود را مشخص می‌کند.
.TP
.BI \-l " number"
آخرین صفحه‌ای که باید تبدیل شود را مشخص می‌کند.
.TP
.BI \-r " number"
تفکیک‌پذیری (رزولوشن) را بر حسب DPI تعیین می‌کند. مقدار پیش‌فرض 72 DPI است.
.TP
.BI \-x " number"
مختصات x گوشهٔ بالای سمت چپ ناحیه برش (crop) را مشخص می‌کند.
.TP
.BI \-y " number"
مختصات y گوشهٔ بالای سمت چپ ناحیه برش (crop) را مشخص می‌کند.
.TP
.BI \-W " number"
عرض ناحیه برش را بر حسب پیکسل مشخص می‌کند (پیش‌فرض 0 است).
.TP
.BI \-H " number"
ارتفاع ناحیه برش را بر حسب پیکسل مشخص می‌کند (پیش‌فرض 0 است).
.TP
.B \-layout
چیدمان فیزیکی اصلی متن را (تا حد ممکن) حفظ می‌کند. حالت پیش‌فرض، لغو چیدمان فیزیکی (ستون‌ها، خط تیره پایان سطر و غیره) و خروجی دادن متن مطابق با ترتیب خواندن است.
.TP
.BI \-fixed " number"
متن را با فاصلهٔ افقی ثابت (یا جدولی) با عرض نویسهٔ تعیین‌شده (بر حسب پوینت) فرض می‌کند. این گزینه حالت چیدمان فیزیکی را اجباری می‌کند.
.TP
.B \-raw
متن را مطابق با ترتیب جریان محتوا (content stream) نگه می‌دارد. این روش یک ترفند سریع است که معمولاً قالب‌بندی ستونی و موارد مشابه را خنثی می‌کند. استفاده از حالت خام (raw) دیگر توصیه نمی‌شود.
.TP
.BI \-remove-hyphens " mode"
نحوهٔ مدیریت خط تیره‌های انتهای سطر را کنترل می‌کند.
\fImode\fR یکی از موارد زیر است:
.RS
.TP
.B all
خط تیره‌های انتهای سطر (U+002D، U+2010، U+FE63، U+FF0D) و خط تیره‌های نرم یونیکد (U+00AD) را حذف کرده و کلمات را در میان خطوط ادغام می‌کند (پیش‌فرض).
.TP
.B soft
فقط خط تیره‌های نرم یونیکد (U+00AD) را حذف کرده و کلمات را در میان خطوط ادغام می‌کند. نویسه‌های اسکی (ASCII) و سایر خط تیره‌ها دست‌نخورده باقی می‌مانند.
.TP
.B none
تمام خط تیره‌های انتهای سطر و شکستگی‌های خطوط را بدون تغییر حفظ می‌کند.
.RE
این گزینه در حالت \-raw یا \-layout هیچ اثری ندارد.
.TP
.B \-nodiag
متن‌های مورب (یعنی متنی که زاویهٔ آن نزدیک به هیچ‌یک از محورهای ۰، ۹۰، ۱۸۰ یا ۲۷۰ درجه نباشد) را نادیده می‌گیرد. این ویژگی برای رد کردن واترمارک‌هایی که روی متن اصلی درج شده‌اند مفید است.
.TP
.B \-htmlmeta
یک فایل HTML ساده شامل اطلاعات متا تولید می‌کند. این گزینه صرفاً متن را درون تگ‌های <pre> و </pre> قرار داده و سرآیندهای متا را به ابتدای آن اضافه می‌کند.
.TP
.B \-bbox
یک فایل XHTML تولید می‌کند که شامل اطلاعات کادر محصورکننده (bounding box) برای هر کلمه در فایل است.
.TP
.B \-bbox-layout
یک فایل XHTML تولید می‌کند که شامل اطلاعات کادر محصورکننده (bounding box) برای هر بلوک، خط و کلمه در فایل است.
.TP
.B \-tsv
یک فایل TSV تولید می‌کند که شامل اطلاعات کادر محصورکننده (bounding box) برای هر بلوک، خط و کلمه در فایل است.
.TP
.B \-cropbox
در هنگام استفاده از گزینه‌های \-bbox و \-bbox-layout، به جای media box از crop box استفاده می‌کند.
.TP
.BI \-colspacing " number"
مشخص می‌کند که چه میزان فاصله پس از یک کلمه مجاز است تا متن مجاور یک ستون جدید در نظر گرفته شود؛ این مقدار به عنوان کسری از اندازه قلم (font size) سنجیده می‌شود. مقدار پیش‌فرض فعلی 0.7 است؛ در نسخه‌های قدیمی این مقدار 0.3 بود.
.TP
.BI \-enc " encoding-name"
کدگذاری مورد استفاده برای خروجی متنی را تعیین می‌کند. مقدار پیش‌فرض "UTF-8" است.
.TP
.B \-listenc
فهرست کدگذاری‌های در دسترس را نمایش می‌دهد.
.TP
.BI \-eol " unix | dos | mac"
قاعدهٔ پایان سطر (end-of-line) مورد استفاده در خروجی متنی را مشخص می‌کند.
.TP
.B \-nopgbrk
از درج نویسه‌های شکست صفحه (form feed) در میان صفحات خودداری می‌کند.
.TP
.BI \-opw " password"
گذرواژهٔ مالک (owner password) را برای فایل PDF مشخص می‌کند. وارد کردن این گذرواژه تمامی محدودیت‌های امنیتی را دور می‌زند.
.TP
.BI \-upw " password"
گذرواژهٔ کاربر (user password) را برای فایل PDF مشخص می‌کند.
.TP
.B \-q
از چاپ هرگونه پیام یا خطا جلوگیری می‌کند.
.TP
.B \-v
اطلاعات نسخه و کپی‌رایت را چاپ می‌کند.
.TP
.B \-h
اطلاعات نحوهٔ استفاده از دستور را نمایش می‌دهد.
.RB ( \-help
و
.B \-\-help
معادل یکدیگر هستند.)
.SH "گزارش باگ‌ها (BUGS)"
برخی از فایل‌های PDF حاوی قلم‌هایی هستند که کدگذاری آن‌ها فراتر از حد شناسایی مخدوش شده است. هیچ راهی (به جز نویسه‌خوان نوری یا OCR) برای استخراج متن از این فایل‌ها وجود ندارد.
.SH "وضعیت خروج (EXIT STATUS)"
ابزارهای Xpdf از کدهای خروج زیر استفاده می‌کنند:
.TP
0
بدون خطا.
.TP
1
خطا در باز کردن فایل PDF.
.TP
2
خطا در باز کردن فایل خروجی.
.TP
3
خطای مربوط به دسترسی‌ها و مجوزهای PDF.
.TP
99
خطای دیگر.
.SH "نویسندگان (AUTHORS)"
حق تکثیر نرم‌افزار pdftotext و مستندات آن متعلق به Glyph & Cog, LLC (سال‌های 1996-2011) است.
.SH "همچنین ببینید (SEE ALSO)"
.BR pdfdetach (1),
.BR pdffonts (1),
.BR pdfimages (1),
.BR pdfinfo (1),
.BR pdftocairo (1),
.BR pdftohtml (1),
.BR pdftoppm (1),
.BR pdftops (1),
.BR pdfseparate (1),
.BR pdfsig (1),
.BR pdfunite (1)