#!/usr/bin/env python3 """Извлечение текстового слоя PDF в обычный текст.""" from __future__ import annotations import argparse import sys from pathlib import Path import pdfplumber def parse_pages(spec: str, total: int) -> list[int]: pages: set[int] = set() for part in spec.split(","): part = part.strip() if not part: continue if "-" in part: left, right = part.split("-", 1) start = int(left) if left.strip() else 1 end = int(right) if right.strip() else total pages.update(range(start, end + 1)) else: pages.add(int(part)) return sorted(page for page in pages if 1 <= page <= total) def main() -> int: parser = argparse.ArgumentParser(description="Извлечь текст из PDF") parser.add_argument("input", type=Path, help="Исходный PDF") parser.add_argument("--pages", help="Страницы, например 1-5,8") parser.add_argument("--layout", action="store_true", help="Сохранить примерную раскладку") parser.add_argument("--outdir", type=Path, default=Path("text"), help="Папка результатов") parser.add_argument("--force", action="store_true", help="Перезаписать результат") args = parser.parse_args() path = args.input.expanduser() if not path.is_file(): print(f"Файл не найден: {path}", file=sys.stderr) return 2 target = args.outdir.expanduser() / f"{path.stem}.txt" if target.exists() and not args.force: print(f"Файл уже существует: {target}. Добавьте --force.", file=sys.stderr) return 2 try: with pdfplumber.open(str(path)) as pdf: total = len(pdf.pages) selected = parse_pages(args.pages, total) if args.pages else list(range(1, total + 1)) parts: list[str] = [] for number in selected: page = pdf.pages[number - 1] text = page.extract_text(layout=args.layout) or "" parts.append(f"===== Страница {number} =====\n{text.strip()}") except Exception as error: print(f"Не удалось прочитать PDF: {error}", file=sys.stderr) return 1 content = "\n\n".join(parts) + "\n" target.parent.mkdir(parents=True, exist_ok=True) target.write_text(content, encoding="utf-8") print(f"Готово: {target}") print(f"Страниц: {len(selected)}, символов: {len(content)}") return 0 if __name__ == "__main__": raise SystemExit(main())