在Linux命令行环境中查看PDF文件，虽然不像图形界面那样直观，但通过一系列强大的工具，同样可以实现高效浏览、搜索和提取内容，以下将详细介绍几种常用的命令行方法,涵盖从简单查看到高级处理的多种场景。
对于基础查看需求，less命令是最常用的选择之一。less是一个强大的分页查看器，支持前后翻页、搜索、跳转等操作，要使用less查看PDF，需要先安装poppler-utils工具包，该包提供了pdftotext命令，可以将PDF转换为纯文本后供less显示，安装完成后，可通过管道将转换后的文本传递给less：pdftotext - yourfile.pdf | less，这里的表示从标准输入读取，less会以分页形式展示文本内容，在less交互界面中，可以使用q退出，/keyword搜索关键词，n跳转到下一个匹配项，N跳转到上一个匹配项，j或k逐行上下移动，空格或f翻到下一页，b翻到上一页，这种方法的优势在于系统资源占用少，适合快速浏览PDF的文本内容，但对于复杂格式、图片或表格的显示效果不佳。
如果需要在命令行中直接显示PDF的缩略图或进行更可视化的操作，feh或imagemagick等图像查看工具可以结合pdftoppm（同样来自poppler-utils）使用。pdftoppm可以将PDF的指定页面转换为图像文件，例如pdftoppm -f 1 -l 1 -png yourfile.pdf page会将PDF的第1页转换为page-1.png图像，然后使用feh page-1.png即可在图形界面中查看该页图像。feh支持键盘快捷键，如左右箭头切换页面，q退出等，这种方法虽然需要结合图形界面，但能保留PDF的原始排版和图像信息，适合查看包含大量图表或复杂布局的页面。imagemagick的display命令也可以实现类似功能，但feh在轻量级和易用性上更受青睐。
对于需要批量处理或提取PDF特定内容的场景，poppler-utils工具包中的其他命令则更为高效。pdfinfo用于获取PDF的基本信息，如页数、创建日期、作者、加密状态等，命令格式为pdfinfo yourfile.pdf。pdfseparate用于提取PDF的指定页面或所有页面为单独的PDF文件，例如pdfseparate -f 3 -l 5 yourfile.pdf output-%d.pdf会提取第3至5页，分别保存为output-3.pdf至output-5.pdf。pdftk（PDF Toolkit）是一个功能更全面的PDF处理工具，可以合并、拆分、加密、解密PDF文件，但需要单独安装，合并多个PDF文件可使用pdftk A.pdf B.pdf cat output combined.pdf。pdfgrep则类似于grep，用于在PDF文件中搜索文本内容，支持正则表达式，例如pdfgrep -i "keyword" *.pdf会在当前目录的所有PDF文件中不区分大小写地搜索包含“keyword”的行。
| 工具/命令 | 主要功能 | 依赖包 | 优点 | 缺点 |
|---|---|---|---|---|
less + pdftotext |
分页查看PDF文本内容 | poppler-utils |
轻量，资源占用少，支持less的丰富操作 |
无法显示图像、表格等非文本元素，格式可能错乱 |
feh + pdftoppm |
将PDF页面转换为图像并可视化查看 | poppler-utils, feh |
保留原始排版和图像，支持图像查看器快捷键 | 需要图形界面，转换过程可能稍慢 |
pdfinfo |
获取PDF元数据（页数、作者、创建日期等） | poppler-utils |
快速获取文件基本信息 | 无法查看内容 |
pdfseparate |
提取PDF指定页面为单独文件 | poppler-utils |
精确拆分页面，支持批量提取 | 仅支持拆分，无其他编辑功能 |
pdfgrep |
在PDF文件中搜索文本内容，支持正则表达式 | poppler-utils |
类似grep，高效搜索多文件 |
仅适用于文本内容，无法搜索图像中的文字 |
pdftk |
合并、拆分、加密、解密、旋转等高级PDF操作 | pdftk (需单独安装) |
功能全面，支持复杂编辑 | 安装可能较复杂，部分功能需付费版本支持 |
除了上述工具，还可以结合awk、sed等文本处理工具对pdftotext提取的文本进行进一步处理，例如提取特定段落、统计数据等，对于需要编程自动化的场景，可以使用Python的PyPDF2或pdfminer.six库，通过编写脚本实现PDF的读取、修改、内容提取等复杂操作，这些库提供了丰富的API，可以灵活地与Linux命令行结合,实现定制化的PDF处理流程。
相关问答FAQs：
-
问：为什么使用
less查看PDF时显示的内容格式混乱，有很多乱码？
答：这通常是因为PDF文件中包含了复杂的排版信息（如多栏、表格、字体样式等），而pdftotext在转换为纯文本时会尽力保留文本顺序，但难以完全还原原始格式，如果PDF是扫描件（图片型PDF），pdftotext无法提取文本，会显示乱码或空白，对于扫描件PDF，需要先使用OCR（光学字符识别）工具（如tesseract）将图片中的文字转换为可搜索的文本,再进行查看。 -
问：如何在命令行中批量合并多个PDF文件为一个文件？
答：可以使用pdftk工具实现批量合并，首先确保已安装pdftk，然后使用以下命令：pdftk A=file1.pdf B=file2.pdf C=file3.pdf cat A B C output merged.pdf，上述命令会将file1.pdf、file2.pdf和file3.pdf按顺序合并为merged.pdf，如果文件较多，可使用通配符简化命令，例如pdftk *.pdf cat output all.pdf（注意：通配符的顺序取决于系统默认的文件排序规则，可能需要先手动排序文件列表以确保合并顺序正确），如果没有安装pdftk，也可以使用gs（Ghostscript）命令，例如gs -q -sPAPERSIZE=a4 -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=merged.pdf file1.pdf file2.pdf file3.pdf。
