如何检查 PDF 文件是否与 Ruby/Rspec 有链接？答案

【问题标题】：How to check that a PDF file has some link with Ruby/Rspec?如何检查 PDF 文件是否与 Ruby/Rspec 有链接？
【发布时间】：2019-04-05 13:20:45
【问题描述】：

我正在使用prawnpdf/pdf-inspector 来测试在我的 Rails 应用程序中生成的 PDF 内容是否正确。

我想检查 PDF 文件是否包含带有特定 URL 的链接。我查看了yob/pdf-reader，但没有找到与该主题相关的任何有用信息

是否可以使用 Ruby/RSpec 测试 PDF 中的 URL？

我想要以下内容：

expect(urls_in_pdf(pdf)).to include 'https://example.com/users/1'

【问题讨论】：

您面临的具体问题是什么？因为您使用pdf-inspector，所以您拥有pdf的整个文本，对吗？
@DoktorOSwaldo 我想检查 PDF 中包含的链接是否具有正确的 HREF
是的，那你不应该只搜索文本中的<a href='url'>标签吗？
@DoktorOSwaldo pdf-inspector 和 pdf-reader 无法从 PDF 内容中读取 href。如果 PDF 包含 <a href='url'>URL</a> 之类的链接，则 pdf 阅读器仅返回解析文本中的 URL

【解决方案1】：

https://github.com/yob/pdf-reader 包含一个用于每个页面的方法，称为文本。做类似的事情

    pdf = PDF::Reader.new("tmp/pdf.pdf")
    assert pdf.pages[0].text.include? 'https://example.com/users/1'

假设您要查找的内容在第一页

【讨论】：

【解决方案2】：

由于pdf-inspector 似乎只返回文本，您可以尝试直接使用pdf-reader（pdf-inspector 无论如何都会使用它）。

reader = PDF::Reader.new("somefile.pdf")

reader.pages.each do |page|
  puts page.raw_content # This should also give you the link
end

无论如何，我只是快速浏览了一下 github 页面。我不确定raw_content 究竟返回了什么。但是也有一种底层方法可以直接访问pdf的对象：

reader  = PDF::Reader.new("somefile.pdf")
puts reader.objects.inspect

这样肯定是可以得到网址的。

【讨论】：