Acrobat.txt

# Acrobat

# Adobe Reader は COM オブジェクトが公開されていないので
# COM オートメーションをするには Acrobat を使う必要がある。
# 30日間の体験版でも可能。

# カレントディレクトリ内のPDFをテキストに変換する。
# pdftotext などより品質や成功度が格段に高いが Acrobat なのでとにかく重い。
# 警告やエラーのたびにダイアログボックスが出てきてOKを押さないと次に進まないので、
# キーを勝手に連打したり勝手にボタンを押してくれるツールを併用した方がいい。
# 終了時に Acrobat のプロセスが残っていたら kill すること。
ls -Filter *.pdf |% {
	echo $_;
	$a = New-Object -ComObject AcroExch.AVDoc;
	$a.Open($_.Fullname, "strTitle") | Out-Null;
	$p = $a.GetPDDoc();
	$j = $p.GetJSObject();
	$t = $j.GetType();
	$t.InvokeMember(
		"SaveAs",
		[Reflection.BindingFlags]::InvokeMethod -bor [Reflection.BindingFlags]::Public -bor [Reflection.BindingFlags]::Instance,
		$null,
		$j,
		@([IO.Path]::ChangeExtension($_.Fullname, "txt"), "com.adobe.acrobat.plain-text"));
	$p.Close() | Out-Null;
	$a.Close(1) | Out-Null; # Positive: Don't ask
}

# PDFファイルの結合
# なんと ファイル > 結合 > ファイルを単一のPDFに結合 だなんてものがありました。
# PowerShell からやったほうが結合速度が速いので残しておきます。
$a = New-Object -ComObject AcroExch.AVDoc;
$p = $null;
$isFirst = $true;
ls -Filter *.pdf | sort |% {
	if($isFirst) {
		$isFirst = $false;
		$a.Open($_.Fullname, "strTitle") | Out-Null;
		$p = $a.GetPDDoc();
	} else {
		$a2 = New-Object -ComObject AcroExch.AVDoc;
		$a2.Open($_.Fullname, "strTitle") | Out-Null;
		$p2 = $a2.GetPDDoc();
		$p.InsertPages(($p.GetNumPages()-1), $p2, 0, $p2.GetNumPages(), 0) | Out-Null;
		$p2.Close() | Out-Null;
		$a2.Close(1) | Out-Null;
	}
}
$p.Save(1, (Join-Path (pwd) "_COMBINED_.pdf")); # PDSaveFull = 1
$p.Close() | Out-Null;
$a.Close(1) | Out-Null;