Как получить 'pdftotext' к синтезируемому тексту в читаемом кодировании?
Было бы странным из этого, было возможно в OS X, но не с Linux. Это - точно то же:
cd /cifs/dir
dd if=/dev/zero of=encbackup.img bs=1M count=100 # 100 MiB size
sudo losetup /dev/loop0 /cifs/dir/encbackup.img # assuming loop0 is free
sudo cryptsetup luksFormat /dev/loop0
sudo cryptsetup luksOpen /dev/loop0 cr_cifs_backup
sudo mke2fs -j /dev/mapper/cr_cifs_backup
sudo mount -t ext3 /dev/mapper/cr_cifs_backup /where/ever
Вероятно, имеет смысл с точки зрения производительности создавать второе (значительно уменьшенное) изображение, локально (незашифрованное) и помещать журнал там (см. man tune2fs, опции -j и -J).
Редактирование 1:
Существующее устройство смонтировано тот же путь (просто игнорирование dd, luksFormat, и mke2fs):
sudo losetup /dev/loop0 /cifs/dir/encbackup.img # assuming loop0 is free
sudo cryptsetup luksOpen /dev/loop0 cr_cifs_backup
sudo mount -t ext3 /dev/mapper/cr_cifs_backup /where/ever
Редактирование 2:
Размонтироваться:
sudo umount /where/ever
sudo cryptsetup luksClose cr_cifs_backup
sudo losetup -d /dev/loop0
Соблюдайте, что в тексте вы вставляли, «Fi» в «первом» и «FFI» в
«Аффинность» - это лигатуры (несколько символов в сочетании в одном
глиф). Предположительно, PDFTOTEXT печатает каждую из этих лигаций как
Один символ, который используемый вами инструменты для чтения текста не поддерживают.
как Super User Results предлагает, попробуйте это:
pdftotext -enc ASCII7 input.pdf output.txt
Это должно предотвратить PDFTOTEXT из печатных лигаций Verbatim, заставляя его расширить их в символы ASCII.
Поскольку я уже преобразовывал pdf-файлы в текст на Python, я публикую -обработку pdf-текста с помощью простой команды Python:
# efficient ->
# efficient
import unicodedata
pdf_text = unicodedata.normalize("NFKC", pdf_text)