技术咨询：能否使用pdf-reader读取Zip压缩包内的PDF文件？

你的代码没法正常运行的核心问题是：你传给PDF::Reader.new的entry.name只是压缩包内的文件名称，并不是文件的实际内容数据流——pdf-reader没法直接通过这个文件名找到并读取压缩包内部的文件。

修正后的代码示例 #

你需要通过Zip条目对象的get_input_stream方法获取文件的输入流，再把这个流传给PDF::Reader，这样就能正确读取压缩包里的PDF内容了：

require 'zip'
require 'pdf-reader'

Zip::File.open('/path/to/zipfile') do |zip_file|
  zip_file.each do |entry|
    next if entry.directory? || entry.symlink?

    # 只处理PDF文件，避免非PDF文件报错
    if entry.name.downcase.end_with?('.pdf') && entry.file?
      puts "#{entry.name} 是一个PDF文件，开始读取内容："
      # 获取压缩包内文件的输入流
      entry.get_input_stream do |stream|
        reader = PDF::Reader.new(stream)
        reader.pages.each_with_index do |page, index|
          puts "--- 第 #{index + 1} 页内容 ---"
          puts page.text
        end
      end
    else
      puts "#{entry.name} 不是PDF文件，跳过处理"
    end
  end
end

关键改动说明 #

• 新增了对PDF文件的判断（通过后缀名），避免尝试读取非PDF文件导致报错
• 使用entry.get_input_stream获取文件的数据流，而不是直接用文件名
• 用each_with_index来标注页码，让输出更清晰

额外提示 #

1. 确保你已经安装了所需的gem：

   gem install zip pdf-reader
   

2. 如果压缩包很大，这种流式读取的方式也能避免把整个文件加载到内存，性能更友好
3. 可以考虑添加异常捕获（比如rescue PDF::Reader::MalformedPDFError），处理损坏的PDF文件情况

内容的提问来源于stack exchange，提问作者Tjax