1. use strict;
2. use warnings;
3. use CAM::PDF;
4. use CAM::PDF::PageText;
5. use Config::IniFiles;
7. my @repertoire;
8. my $cfg = Config::IniFiles->new( -file => $ARGV[0] );
9. foreach ('REP_PDF','REP_TXT') {
10.   push @repertoire, $cfg->val('repertoire', $_) if $cfg->val('repertoire', $_);
11.   }
12. sub GetFilesList
13. {
14.         my $Path = $_[0];
15.         my $FileFound;
16.         my @FilesList=();
18.         ## Lecture de la liste des fichiers
19.         opendir (my $FhRep, $Path)
20.                 or die "Impossible d'ouvrir le repertoire $Path\n";
21.         my @Contenu = grep { !/^\.\.?$/ } readdir($FhRep);
22.         closedir ($FhRep);
24.         foreach my $FileFound (@Contenu) {
25.                 ## Traitement des fichiers
26.                 if (-f "$Path/$FileFound" ) {
27.                         push (@FilesList, "$Path/$FileFound" );
28.                 }
29.                 ## Traitement des repertoires
30.                 elsif ( -d "$Path/$FileFound" ) {
31.                         ## Boucle pour lancer la recherche en mode recursif
32.                         push (@FilesList, GetFilesList("$Path/$FileFound" ) );
33.                 }
34.         }
35.         return @FilesList;
36. }
38. my @Files = GetFilesList ($repertoire[0]);
39. foreach my $File  (@Files) {
40. next unless $File =~ /\.pdf$/i;
41. print "$File \n";
42. }
44. @Files = GetFilesList  ($repertoire[1]);
45. foreach my $File  (@Files) {
46. next unless $File =~ /\.txt$/i;
47. print "$File \n";
48. }
50. sub convert_pdf_to_text  {
51.    my $pdf  = CAM::PDF->new(shift);
52.    my $fic_txt_out = shift;
53.    my $tmp = $pdf->getPageContentTree(1);
54.    my $text = CAM::PDF::PageText->render($tmp);
55.    # ajustements à effectuer par rapport à la sortie,
56.    # sur un exemple simple, il me fallait ceci:
57.    $text =~ s/\n{5}/\n/g;
58.    $text =~ s/\n{4}/ /g;
60. my @pdf_files = glob ("$repertoire[0]/*.pdf" ); # répertoire pdf
61.   for my $in_file (@Files) {
62. my $out_file = $in_file;
63. $out_file =~ s/\.pdf/.txt/;   # construit le nom de fichier en sortie à partir du nom en entrée
64.  
65.    convert_pdf_to_text($in_file, $out_file);
66.     }
67.  
68. }

#!/usr/bin/perl
 
use strict;
use warnings;
 
my $input = "wkhtmltopdf - Manual.pdf";
my $output = "testoutput.txt";
 
my $cmd = "pdftotext";
system($cmd, $input, $output);

use strict;
use warnings;
use CAM::PDF;
use CAM::PDF::PageText;
use Config::IniFiles;
 
my @repertoire;
my @filelist;
 
my $cfg = Config::IniFiles->new( -file => $ARGV[0] );
foreach ('REP_PDF1','REP_PDF2') {
      push @repertoire, $cfg->val('repertoire', $_) if $cfg->val('repertoire', $_);
      }
 
 
sub GetFilesList 
{
        my $Path = $_[0];
        my $FileFound;
        my @FilesList=();
    
        ## Lecture de la liste des fichiers
        opendir (my $FhRep, $Path)
                or die "Impossible d'ouvrir le repertoire $Path\n";
        my @Contenu = grep { !/^\.\.?$/ } readdir($FhRep);
        closedir ($FhRep);
 
        foreach my $FileFound (@Contenu) {
                ## Traitement des fichiers
                if (-f "$Path/$FileFound" ) {
                        push (@FilesList, "$Path/$FileFound" );
                }
                ## Traitement des repertoires
                elsif ( -d "$Path/$FileFound" ) {
                        ## Boucle pour lancer la recherche en mode recursif
                        push (@FilesList, GetFilesList("$Path/$FileFound" ) );
                }
        }
        return @FilesList;
}
my @Files = GetFilesList ($repertoire[0]);
foreach my $File  (@Files) { 
    next unless $File =~ /\.pdf$/i;
    print "$File \n";
}
@Files = GetFilesList  ($repertoire[0]);
foreach my $File  (@Files) { 
    next unless $File =~ /\.txt$/i;
    print "$File \n";
}
 
@Files = GetFilesList  ($repertoire[1]);
foreach my $File  (@Files) { 
    next unless $File =~ /\.pdf$/i;
    print "$File \n";
} 
 
@Files = GetFilesList  ($repertoire[1]);
foreach my $File  (@Files) { 
    next unless $File =~ /\.txt$/i;
    print "$File \n";
} 
 
sub convert_pdf_to_text  {
   my $pdf  = CAM::PDF->new(shift);
   my $fic_txt_out = shift;
   my $tmp = $pdf->getPageContentTree(1);
   my $text = CAM::PDF::PageText->render($tmp);
   # ajustements à effectuer par rapport à la sortie,
   # sur un exemple simple, il me fallait ceci:
   $text =~ s/\n{5}/\n/g;
   $text =~ s/\n{4}/ /g;
   
   open my $fout, '>', $fic_txt_out or die "Ouverture impossible de $fic_txt_out $!";
   print $fout $text;
   close $fout;
}
 
my @pdf_files = glob ("$repertoire[0]/*.pdf" ); 
  for my $in_file (@Files) {
    my $out_file = $in_file;
    $out_file =~ s/\.pdf/.txt/;   # construit le nom de fichier en sortie à partir du nom en entrée
    
   convert_pdf_to_text($in_file, $out_file);
   }
 
@pdf_files = glob ("$repertoire[1]/*.pdf" ); 
  for my $in_file (@Files) {
    my $out_file = $in_file;
    $out_file =~ s/\.pdf/.txt/;   # construit le nom de fichier en sortie à partir du nom en entrée
    
   convert_pdf_to_text($in_file, $out_file);
   }