1

我正在处理用户上传的 pdf，方法是从中提取文本并将输出保存在文本文件中以供以后处理。

在本地，我将 pdf 存储在我的公共文件夹中，但是当我在 Heroku 上工作时，我需要使用 S3。

我认为pdf路径是问题，所以我包括

如果 Rails.env.test？|| Rails.env.cucumber？

但我仍然收到

ArgumentError（输入必须是类似 IO 的对象或文件名）：

有没有办法将 pdf 临时存储在 Heroku 上的我的 root/tmp 文件夹中，从中获取文本，然后完成后，将文档上传到 S3？

def convert_pdf
    if Rails.env.test? || Rails.env.cucumber?
        pdf_dest = File.join(Rails.root, "public", @application.document_url)
    else
        pdf_dest = @application.document_url
    end
    txt_file_dest = Rails.root + 'tmp/pdf-parser/text'

    document_file_name = /\/uploads\/application\/document\/\d{1,}\/(?<file_name>.*).pdf/.match(@application.document_url)[:file_name]

    PDF::Reader.open(pdf_dest) do |reader|
        File.open(File.join(txt_file_dest, document_file_name + '.txt'), 'w+') do |f|
            reader.pages.each do |page|
                f.puts page.text
            end
        end
    end
end
4

1 回答 1

2

您将要在上传器中设置自定义处理器。最重要的是，由于输出文件 (.txt) 的扩展名与输入文件 (.pdf) 的扩展名不同，因此您需要更改文件名。以下内容属于您的上传器：

process :convert_to_text

def convert_to_text
  temp_dir = Rails.root.join('tmp', 'pdf-parser', 'text')
  temp_path = temp_dir.join(filename)

  FileUtils.mkdir_p(temp_dir)

  PDF::Reader.open(current_path) do |pdf|
    File.open(temp_path, 'w') do |f|
      pdf.pages.each do |page|
        f.puts page.text
      end
    end
  end

  File.unlink(current_path)
  FileUtils.cp(temp_path, current_path)
end

def filename
  super + '.txt' if original_filename.present?
end

我还没有运行这段代码，所以可能有一些错误，但这至少应该给你一个想法。

于 2013-09-05T00:38:43.023 回答