ruby - 使用 ruby​​ 解析 PDF 文档

Question

我在一个文件夹中有多个具有特定结构的 PDF 文档:

现在我希望能够解析 PDF 中的信息。请注意，段落的长度各不相同。

显然，我并不是要你为我解决问题，但我确实需要一些关于如何实现这一目标的指导。

我以前使用过 nokogiri，从技术上讲，我需要类似的东西，但用于 PDF。

因此我的示例的伪结果如下所示:

- ItemA
  - Title: ItemA
  - File: 123456789.pdf
  - Image: ImageA.png (the image was stored on disk)
  - Subtitle1: Content for subtitle 1
  - Subtitle2: Content for subtitle 2
  - Subtitle3: Content for subtitle 3
- TitleB
  - [...]

Answer 1

pdf-reader是解决方案之一。但它有时会出现问题，它不会以正确的格式提供文本。我用过。

我建议使用 docsplit 。您将在 this blog post 中找到有关“pdf-reader”和“docsplit”的更多信息 。

希望这对您有所帮助。如果需要任何说明，请随时发表评论。