Comment compter les mots dans un fichier PDF sous OS X ?

J'ai mis en place une petite application GUI "Compteur de mots PDF" qui renvoie le nombre de mots pour les fichiers PDF saisis. Il n'a pas d'avantage sur l'autre réponse (ps2ascii) en termes de nombre de mots retournés, mais il peut être une bonne solution pour les personnes qui n'aiment pas utiliser la ligne de commande.

Il suffit de l'ouvrir dans Microsoft Word et le nombre de mots apparaît en bas :

L'option Fichier/Propriétés/Statistiques de Word contient également davantage de statistiques :

Il existe un outil open source appelé PDFbox (d'Apache) qui possède quelques outils en ligne de commande que vous pouvez utiliser pour extraire le texte afin qu'il puisse être compté avec wc . La commande (car il s'agit d'un jar Java) serait la suivante :

% java -jar pdfbox.jar ExtractText -console foobar.pdf | wc -w   

-console est nécessaire car il écrira automatiquement un fichier texte avec le même nom de base que la source (i.e. foobar.pdf foobar.txt )

Cette option est beaucoup plus petite que ce qui est inclus dans Ghostscript, mais elle nécessite l'installation d'un JRE (Java Run Time Environment). assez facile à faire .

Il est disponible via MacPorts ou directement à la source. Il s'agit d'un fichier Java jar, je vous suggère donc de le copier à /usr/local/bin/ et en créant un alias pour plus de commodité

alias pdfbox="java -jar /usr/local/bin/pdfbox.jar"

Mettez cet alias dans votre profil shell - ~/.bash_profile ou ~/.zprofile pour Bash ou Zsh respectivement. Vous pouvez ensuite lancer la commande comme suit :

% pdfbox ExtractText -console foobar.pdf | wc -w