如何刪除pdf文件中的分詞符和換行符？

Question

我試圖解析一個PDF文件，我想在該行，前年底獲得不破字的輸入：

text.pdf

"hello guys I ne- 
ed help" 

如何去除在「 - 」而行，以突破堅持的「需要」一起

兩個部分這是我的實際代碼：

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" 

與您的代碼：

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

或者，如果儀表板和新線元素總是在一起，他們一起代替：

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