Extrair Texto de Todas as Páginas de um Documento PDF em Ruby

Aspose.PDF - Extrair Texto de Todas as Páginas

Para extrair texto de todas as páginas de um documento PDF usando Aspose.PDF Java para Ruby, simplesmente invoque o módulo ExtractTextFromAllPages.

Código Ruby

# O caminho para o diretório de documentos.

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

# Abra o documento de destino

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

# criar objeto TextAbsorber para extrair texto

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

# aceitar o absorvedor para todas as páginas

pdf.getPages().accept(text_absorber)

# Para extrair texto de uma página específica do documento, precisamos especificar a página em particular usando seu índice contra o método accept(..).

# aceitar o absorvedor para uma página específica do PDF

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

# obter o texto extraído

extracted_text = text_absorber.getText()

# criar um escritor e abrir o arquivo

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

writer.write(extracted_text)

# escrever uma linha de texto no arquivo

# tw.WriteLine(extractedText);

# fechar o fluxo

writer.close()

puts "Texto extraído com sucesso. Verifique o arquivo de saída."

Download Running Code

Baixe Extrair Texto de Todas as Páginas (Aspose.PDF) de qualquer um dos sites de codificação social mencionados abaixo:

• GitHub