Ghostscript提取含换页符文本：如何识别输出文件分页位置？

嘿，别担心英文表达的问题～关于你用Ghostscript把PDF转成文本后想定位分页（换页符）的位置，我给你分享几种实用的方法：

方法1：直接查看文本中的不可见换页符 #

Ghostscript的txtwrite设备默认会用**ASCII换页符（Form Feed，ASCII码12，对应转义字符\f）**来标记分页。你可以通过以下方式看到它：

• 在Linux/macOS终端：
  • 用cat -A output.txt命令，换页符会显示为^L，能直观看到它在文本中的位置；
  • 用grep -n "\f" output.txt命令，直接列出所有换页符所在的行号，快速定位每一页的分界点。
• 在Windows PowerShell：
  • 执行Get-Content output.txt -Raw | Select-String "\f" -AllMatches，会返回所有包含换页符的位置信息；
  • 用带“显示不可见字符”功能的文本编辑器（比如Notepad++），开启视图菜单里的“显示所有字符”选项，就能看到换页符的具体位置。

方法2：转换时主动添加自定义分页标记 #

如果你觉得换页符不够直观，可以修改转换命令，让Ghostscript在每页开头/结尾添加醒目的分页标识。比如：

gs -dSAFER -dBATCH -dNOPAUSE -sDEVICE=txtwrite -c "/PageMark { (=== Page %Page% ===) print } def" -f input.PDF -sOutputFile=output.txt

这个命令定义了一个PageMark函数，会在每页开头打印类似=== Page 1 ===的标记，打开输出文本就能一眼看到分页位置，非常清晰。

方法3：确认txtwrite的分页参数 #

txtwrite设备默认开启了-dTextPageBreaks参数（负责添加换页符），如果你的输出里没看到分页，可能是这个参数被意外关闭了。转换时可以显式加上这个参数确保分页生效：

gs -dSAFER -dBATCH -dNOPAUSE -dTextPageBreaks -sDEVICE=txtwrite -sOutputFile=output.txt input.PDF

内容的提问来源于stack exchange，提问作者Marc.Adans