刚好做过类似的需求，给你梳理下完整的实现步骤和关键代码片段，应该能快速落地：

1. 从数据库读取Paperclip存储的文件记录 #

首先你需要从document数据表中查询目标记录，然后通过Paperclip提供的方法获取文件的实际存储路径或直接读取文件流。比如：

# 查询目标记录，这里根据你的业务条件调整
documents = Document.where(...)

documents.each do |doc|
  # 获取Paperclip附件的本地路径
  file_path = doc.your_attachment_column.path # 替换成你实际的附件字段名
  # 或者直接获取文件对象
  file = doc.your_attachment_column.open
end

2. 提取不同格式文件的文本内容 #

因为你涉及word、csv、xlsx、pdf四种格式，每种格式的内容提取方式不同，需要借助对应的Ruby gem：

• CSV: 直接用Ruby内置的CSV模块读取
• Word (.docx): 使用ruby-docx gem
• Excel (.xlsx): 使用roo gem
• PDF: 使用pdf-reader gem

先在Gemfile里添加依赖：

gem 'ruby-docx'
gem 'roo'
gem 'pdf-reader'

然后写一个通用的内容提取方法：

def extract_file_content(file_path)
  ext = File.extname(file_path).downcase

  case ext
  when '.csv'
    CSV.read(file_path).join("\n")
  when '.docx'
    doc = Docx::Document.open(file_path)
    doc.content
  when '.xlsx'
    xlsx = Roo::Excelx.new(file_path)
    xlsx.sheets.map { |sheet| xlsx.sheet(sheet).to_csv }.join("\n")
  when '.pdf'
    reader = PDF::Reader.new(file_path)
    reader.pages.map(&:text).join("\n")
  else
    '' # 处理未知格式
  end
rescue => e
  Rails.logger.error "Failed to extract content from #{file_path}: #{e.message}"
  ''
end

3. 用Nokogiri生成带CDATA的标签 #

Nokogiri支持直接创建CDATA节点，然后将其嵌入到XML标签中。核心逻辑是：

• 创建XML文档对象
• 创建<Attachment>标签
• 把提取到的文件内容包装成CDATA节点，添加到<Attachment>标签内

示例代码：

require 'nokogiri'

# 假设已经拿到了提取后的内容content
content = extract_file_content(file_path)

# 创建XML文档
xml_doc = Nokogiri::XML::Document.new
xml_doc.encoding = 'UTF-8'

# 创建Attachment标签
attachment_tag = Nokogiri::XML::Node.new('Attachment', xml_doc)

# 创建CDATA节点并添加到Attachment标签
cdata_node = Nokogiri::XML::CDATA.new(xml_doc, content)
attachment_tag.add_child(cdata_node)

# 如果需要把这个标签加入到更大的XML结构中，直接添加即可
# 比如添加到根节点
root_node = Nokogiri::XML::Node.new('Root', xml_doc)
root_node.add_child(attachment_tag)
xml_doc.add_child(root_node)

# 输出最终XML字符串
puts xml_doc.to_xml

4. 关键注意事项 #

• 编码问题: 不同文件的编码可能不一致，提取内容时尽量统一转成UTF-8，避免XML生成时出现乱码
• 大文件处理: 如果文件体积较大，建议用流式读取，避免一次性加载到内存导致性能问题
• 异常捕获: 每种文件格式的读取都可能抛出异常（比如损坏的文件），一定要添加异常处理，避免整个流程崩溃

内容的提问来源于stack exchange，提问作者Afsanefda