PDFRip — это утилита на Python, которая помогает быстро извлечь текст и изображения из PDF-документов. Работает через командную строку. Удобна, если надо разобрать большой файл на составляющие.
Установка:
git clone https://github.com/mufeedvh/pdfrip
cd pdfrip
pip install -r requirements.txt
python3 rip.py yourfile.pdf
Использование:
Запускаешь с файлом PDF — получаешь в папке output/ текстовые файлы и изображения по страницам.