如何使用Ruby将二进制形式存储的PDF文件转换为可正常读取的PDF

核心问题说明 #

之前操作失败的核心原因通常是两类：一是读写二进制文件时未使用二进制模式，默认文本模式的编码转换、换行符自动处理破坏了PDF结构；二是DATA.TXT头尾存在非PDF格式的冗余字节，导致PDF解析器无法识别。

实现步骤 #

第一步：前置校验（可选） #

先确认原始文件是否包含合法PDF标识，PDF规范要求文件必须以%PDF-开头，以%%EOF结尾：

File.open("DATA.TXT", "rb") do |f|
  header = f.read(10)
  puts "原始文件头：#{header}"
  puts "是否含合法PDF头：#{header.start_with?("%PDF-")}"
end

第二步：完整转换代码 #

自动提取有效PDF二进制段并输出：

# 二进制读取原始文件全部内容
raw_content = File.binread("DATA.TXT")

# 定位PDF有效内容起始位置
pdf_start_pos = raw_content.index("%PDF-")
raise "原始文件未检测到PDF头，无有效PDF内容" unless pdf_start_pos

# 定位PDF有效内容结束位置
pdf_end_pos = raw_content.rindex("%%EOF")
raise "原始文件未检测到PDF结束标记，PDF内容不完整" unless pdf_end_pos

# 截取完整PDF二进制内容（额外多取5字节兼容部分PDF末尾的冗余换行）
valid_pdf = raw_content[pdf_start_pos..pdf_end_pos + 5]

# 二进制写入输出PDF文件
File.binwrite("converted_result.pdf", valid_pdf)

puts "转换完成，输出文件：converted_result.pdf"

结果校验 #

转换完成后可通过pdf-reader gem验证文件有效性：

require "pdf/reader"

reader = PDF::Reader.new("converted_result.pdf")
puts "PDF有效页数：#{reader.page_count}"
puts "PDF元信息：#{reader.info.inspect}"

如果可正常输出页数，说明文件转换成功，若仍无法用Adobe Reader打开，可尝试更换其他PDF阅读器验证。

内容的提问来源于stack exchange，提问作者Sakhi Manti