Работа с pdf из Руби

gistfile1.rb

require 'rubygems'
require 'pdf/toolkit' # Для работы требует pdftk и xpdf - в debain они доступны из пакетов

my_pdf = PDF::Toolkit.open("DrakonDescription.pdf")
text = my_pdf.to_text

text.each_line do |line|
  puts line
end
# Выводит текстовое содержимое файла построчно. Русский переваривает нормально.
# Много мусора в выводе - номера страниц, внезапные буллиты и так далее - надо внимательно чистить и точно знать, что ожидается в тексте...

# UPD.
# Второй вариант - лучше обрабатывает русский и таблицы, но больше внешних зависимостей - см. http://documentcloud.github.com/docsplit/
require 'docsplit'

system("wget http://www.council.gov.ru/files/download/20100720_Plan_II_half.pdf")# Это работает под Debian Linux.
# Можно пользоваться библиотекой 'open-uri' для "открытия" удалённых файлов - и вручную сохранить файл на диске: http://ruby-doc.org/stdlib/libdoc/open-uri/rdoc/index.html

Docsplit.extract_text('20100720_Plan_II_half.pdf',:ocr => false,:output => '.') # Сохраним текстовое содержимое файла в этой же папке в файл "20100720_Plan_II_half.txt"
File.open('20100720_Plan_II_half.txt').each_line do |line| # прочитаем файл с результатом и выведем на экран. Содержимое ещё чистить и чистить.
  puts line
end