PDF 提取命令行工具

一个轻量级命令行工具，用于按指定页码范围从 PDF 文件中提取文本。

安装

需要 Node.js >= 20.11。

全局安装

npm install -g extractlet
extractlet --pdf "path/to/file.pdf" --pages 22-37

使用 npx 临时执行

npx extractlet --pdf "path/to/file.pdf" --pages 22-37

使用方式

以下示例以全局安装为例，使用 npx 时将 extractlet 替换为 npx extractlet 即可。

提取连续页码范围

extractlet --pdf "path/to/file.pdf" --pages 22-37

提取指定页码

extractlet --pdf "path/to/file.pdf" --pages 5,10,15

提取混合页码范围

extractlet --pdf "path/to/file.pdf" --pages 1-5,10,20-25

提取全部页码

extractlet --pdf "path/to/file.pdf"

指定输出目录

extractlet --pdf "path/to/file.pdf" --pages 1-5 --out "path/to/dir"

输出

提取出的文本文件默认保存到当前工作目录下的 output/ 目录（可通过 --out 指定），文件名为 {pdf文件名}_{页码范围}.txt。

参数说明

| 参数 | 别名 | 说明 | |-------------------|------|------------------------------------| | --pdf <path> | -p | PDF 文件路径（必填） | | --pages <range> | -r | 要提取的页码范围（可选，默认全部） | | --out <dir> | -o | 输出目录（可选，默认 ./output） | | --help | -h | 显示帮助信息 |

本地开发

npm install
npm run build
node dist/extract.js --pdf "path/to/file.pdf" --pages 1-5

npm run build 仅打包 src/scripts/extract.ts，产物为 dist/extract.js。

本地联调全局命令：

npm link
extractlet -h

发布

npm login
npm publish --dry-run   # 检查将要发布的文件
npm publish

prepublishOnly 会在发布前自动执行 npm run build，发布内容仅包含 dist/、package.json 与 README.md。