【发布时间】：2009-02-21 10:15:39
【问题描述】：
我需要从 pdf 中解析一些文本，但 pdf 格式会导致间距极其不可靠。结果是我必须忽略空格，并有连续的非空格字符流。
关于如何解析字符串并通过猜测将空格放回字符串中的任何建议？
我正在使用红宝石。或者我应该说我在想ruby？
编辑：我已经使用 pdf-reader 提取了文本。有些 pdf 文件的格式很好，有些则没有。文本与定位混合的示例：
.7aspe-5.5cts-715.1o0.6f-708.5f-0.4aces-721.4that-716.3are-720.0i-1.8mportant-716.3in-713.9soc-5.5i-1.8alcommunica6.6tion6.3.-711.6Althoug6.3h-708.1m-1.9od6.3els-709.3o6.4f-702.8f5.4ace-707.9proc6.6essing-708.2haveproposed-611.2ways-615.5to-614.7deal-613.2with-613.0these-613.9diff10.4erent-613.7tasks,-611.9it-617.1remainsunclear-448.0how-450.7these-443.2mechanisms-451.7might-446.7be-447.7implemented-447.2in-450.3visualOne-418.9model-418.8of-417.3human-416.4face-421.9processing-417.5proposes-422.7that-419.8informa-tion-584.5is-578.0processed-586.1in-583.1specialised-584.7modules-577.0(Breen-584.4et-582.9al.,-582.32002;Bruce-382.1and-384.0Y92.0oung,-380.21986;-379.2Haxby-379.9et-380.5al.,-
如果我只打印字符串数据（我在每行的末尾添加了返回以防止它 搞砸了这里的布局：
'在人类时间的面部身份和可变方面的不同表示 洛贝蒂莫西J.安德鲁斯*和迈克尔P.尤班克心理学系，沃尔夫森研究所， University of Durham, UKReceived23December2003;revised26March2004;accepted27July2004Availab leonline2004 年 10 月 14 日神经系统底层面部感知必须代表不变 指定身份的面部特征，以及便于改变的面部特征 社交。然而，关于面部信息的方式仍然存在于大脑中 在这项研究中，我们使用了 fMRadaptation（减少 fMRI 活动， 重复呈现相同图像）以了解视觉皮层的不同面部和对象选择性区域如何影响面部感知的特定方面'
数据由回调吐出，所以如果我在返回每个字符串时打印它，它看起来像这样：
'那个
-571.3
神经
-573.7
系统
-577.4
底层
13.9
-577.2
脸
-573.0
perc
13.7
选项
-574.9
必须
-572.1
代表
20.8
发送
-577.0
不变
14.4
g
-538.5
功能
16.5
es
-529.5
的
-536.6
一个
-531.4
脸
'
经过检查，看起来真实空间是
【问题讨论】：
标签： ruby string text dictionary