使用docsplit从内存中的文档中提取文本
使用docsplit从内存中的文档中提取文本
提问于 2013-04-30 02:54:16
使用PDF，我可以从docsplit或任何其他类型的文件中提取文本。例如，使用下面的行：
Docsplit.extract_pages('doc.pdf')我可以拥有PDF文件的文本内容。
我目前使用的是Rails，PDF是通过请求发送的，并且驻留在内存中。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。
有没有一种方法可以获得此PDF的文本，而无需创建临时文件？
如果重要的话，我会使用attachment_fu。
回答 1
Stack Overflow用户
发布于 2015-01-06 20:08:30
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')页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16286093
复制相关文章
相似问题
腾讯云开发者
