如何删除pdf文件中的分词符和换行符？

Question

我试图解析一个PDF文件，我想在该行，前年底获得不破字的输入：

text.pdf

"hello guys I ne- 
ed help" 

如何去除在“ - ”而行，以突破坚持的“需要”一起

两个部分这是我的实际代码：

reader = PDF::Reader.new(‘text.pdf’) 
reader.pages.each do |page| 
page.text.each_line do |line| 
    words = line.split(” “) # => ["hello"], ["guys"], ["I"], ["ne-"], ["ed"], ["help"] 
    words.each do |word| 
     puts word 
    end 
end 

Answer 1

您可以使用String#gsub：

a = "hello guys I ne- 
ed help" 
#=> "hello guys I ne-\n" + "ed help" 
a.gsub(/-|\n/, '-' => '', "\n" => '') 
#=> "hello guys I need help" 

与您的代码：

reader = PDF::Reader.new(‘text.pdf’) 
reader.pages.each do |page| 
    page.text.each_line { |line| line.gsub(/-|\n/, '-' => '', "\n" => '')} 
end 

或者，如果仪表板和新线元素总是在一起，他们一起代替：

a.gsub(/-\n/, '') 
#=> "hello guys I need help"