如何测试PDF文件的内容

Question

我试图访问http://www.orimi.com/pdf-test.pdf来测试是否存在"PDF“。

这是我的密码：

it 'pdf test' do
        visit 'http://www.orimi.com/pdf-test.pdf'
        puts page.title
        sleep 5
        convert_pdf_to_page
        expect(page).to have_content 'PDF Test File'
end

def convert_pdf_to_page
        temp_pdf = Tempfile.new('pdf')
        temp_pdf << page.source.force_encoding('UTF-8')
        reader = PDF::Reader.new(temp_pdf)
        pdf_text = reader.pages.map(&:text)
        temp_pdf.close
        page.driver.response.instance_variable_set('@body', pdf_text)
end

但我得到了：

PDF::Reader::MalformedPDFError: PDF does not contain EOF marker

我搜索了一下，发现问题可能是PDF文件。我检查了temp_pdf变量，只有一个空体的HTML。

我的代码有什么问题吗？

Answer 1

PDF是一种棘手的格式，不同的读者对PDF文件中的意外内容有不同的反应。有些人会崩溃，有些人会假设不会崩溃。

我猜这就是这里发生的事。当您在browser/pdf阅读器中打开文件时，它可以工作，但是PDF::Reader不能处理任何不符合标准的内容。

尝试使用不同的宝石，折纸似乎有很好的意见。我用你的档案试过了，看起来很管用：

> require 'origami'
> pdf = Origami::PDF.read '/tmp/pdf-test.pdf'
> pdf.grep(/Not existing/).any?
=> false
> pdf.grep(/PDF Test File/).any?
=> true

供参考(我是如何想出这个答案的)：

我在谷歌上搜索了PDF::Reader::MalformedPDFError: PDF does not contain EOF marker并找到了这条线，这表明这是“工作”PDF的一个更常见的问题。最后一条消息建议使用折纸，它(在检查后)似乎能够处理有关的PDF。