Ruby Parse PDF文件包含文本和图像

Question

我有一个包含文字和图片内容的pdf文件。我需要解析它。有没有红宝石宝石可以用吗？我尝试了pdf-reader ruby​​ gem但没有解析图像:(

一种替代解决方案是将pdf提取为html，然后解析html内容。是否有任何开源pdf2html转换器可以与两个文本和图像一起使用？

Answer 1

pdf-reader可以提取图像，但是没有像PDF :: Reader :: Page＃text（）这样的好助手，所以它很漂亮。

签出extract_images.rd示例@ [1]。

[1] https://github.com/yob/pdf-reader/blob/master/examples/extract_images.rb