RubyでPDFドキュメントのすべてのページからテキストを抽出する

Aspose.PDF - すべてのページからテキストを抽出する

Aspose.PDF Java for Rubyを使用してPDFドキュメントのすべてのページからテキストを抽出するには、単にExtractTextFromAllPagesモジュールを呼び出します。

Rubyコード

# ドキュメントディレクトリへのパス。

data_dir = File.dirname(File.dirname(File.dirname(File.dirname(__FILE__)))) + '/data/'

# ターゲットドキュメントを開く

pdf = Rjb::import('com.aspose.pdf.Document').new(data_dir + 'input1.pdf')

# テキストを抽出するためのTextAbsorberオブジェクトを作成

text_absorber = Rjb::import('com.aspose.pdf.TextAbsorber').new

# すべてのページに対してアブソーバを適用

pdf.getPages().accept(text_absorber)

# ドキュメントの特定のページからテキストを抽出するには、accept(..)メソッドに対して特定のページをそのインデックスを使用して指定する必要があります。

# 特定のPDFページに対してアブソーバを適用

# pdfDocument.getPages().get_Item(1).accept(textAbsorber);

# 抽出されたテキストを取得

extracted_text = text_absorber.getText()

# ライターを作成しファイルを開く

writer = Rjb::import('java.io.FileWriter').new(Rjb::import('java.io.File').new(data_dir + "extracted_text.out.txt"))

writer.write(extracted_text)

# ファイルにテキストの行を書き込む

# tw.WriteLine(extractedText);

# ストリームを閉じる

writer.close()

puts "テキストが正常に抽出されました。出力ファイルを確認してください。"

コードのダウンロード

すべてのページからテキストを抽出 (Aspose.PDF) を以下のいずれかのソーシャルコーディングサイトからダウンロードしてください：

• GitHub