ruby-on-rails - 使用 docsplit 从内存中的文档中提取文本

Question

随着docsplit gem 我可以从 PDF 或任何其他文件类型中提取文本。例如，使用以下行:

 Docsplit.extract_pages('doc.pdf')

我可以得到一个PDF文件的文本内容。

我目前正在使用 Rails，PDF 通过请求发送并保存在内存中。查看 API 和源代码，我找不到从内存中提取文本的方法，只能从文件中提取文本。

有没有一种方法可以避免创建临时文件来获取此 PDF 的文本？

如果重要的话，我会使用 attachment_fu。

Answer 1

使用临时目录:

require 'docsplit'

def pdf_to_text(pdf_filename)
  Docsplit.extract_text([pdf_filename], ocr: false, output: Dir.tmpdir)

  txt_file = File.basename(pdf_filename, File.extname(pdf_filename)) + '.txt'
  txt_filename = Dir.tmpdir + '/' + txt_file

  extracted_text = File.read(txt_filename)
  File.delete(txt_filename)

  extracted_text
end

pdf_to_text('doc.pdf')