Ruby 如何上传文本文档，是否可以在其上启用全文搜索？

我正在使用以下技术：

JRuby 1.7.4

轨道3.2.13

Ubuntu 13.04

DB2C-Express

Torquebox服务器2.3.0

我的目标是制作一个简单的控制器，实现以下功能：

上载文本文件（MS Word格式、Open Office或Libre Office格式）

对上载的文件执行全文搜索

在浏览器中将文本文件显示为PDF

我一直在寻找可以帮助我实现这一目标的宝石，并提出以下问题：

存储文本文件的字段的列类型应该是什么。一般来说，我认为它应该是二进制类型

是否可以使用执行全文搜索？正如我所读到的，它似乎适用于文本类型的字段，而不是二进制类型的字段

我读了两个宝石，让我可以生成PDF。gem增加了更多的灵活性，并且可以从HTML页面生成pdf。是否可以使用其中任何一项来显示文本文件？我假设我应该首先以HTML的形式显示，然后使用PDF gem

---

有人做过类似的事情吗？你能给我指出正确的方向吗？

我从来没有做过你要求的大部分事情，但我使用的是一个将MS Word文档转换为XML文档的文本解析器。也许我至少可以让你从正确的方向开始

我们使用一个名为的Java库，它使DOC->XML转换成为一个简单的过程。由于您使用的是JRuby，我想您可以更轻松地将它集成到您的项目中，因为我们使用的是MRI Ruby。这是一个PITA，因为为了能够使用.jar文件，我们必须包含很多桥和其他垃圾

就我个人而言，我已经使用了处理文件上传。上传文件并将其附加到模型是一个简单的过程。您只需使用Carrierwave生成器生成一个附加到模型中某个字段的

Uploader

类，将其配置为根据您的规范存储和处理该文件，就可以了！这些文件很好，但是如果你需要的话，我很乐意帮助你。如果您需要上传多个文件，请在不同的SO帖子中

---

希望有帮助

要回答您的问题：

我将使用两列，一个二进制（BLOB）来存储原始文档（MS Word或LibreOffice）。这将有助于将其翻译成PDF。然后是全文搜索的另一列；这将是文本类型，仅包含纯文本

我不会使用gem进行全文搜索，我宁愿使用SQL'LIKE'关键字

据我所知，虾是最好的。您还可以搜索是否有gem直接将MSWord转换为pdf或将Libreoffice文档转换为pdf

最后，Libreoffice文本是简单的压缩档案，文本存储在XML文件中。要提取它，请执行以下操作：

content = `unzip -cq \"#{file_path}\" content.xml`
require 'nokogiri'
@nokogiri = Nokogiri::XML(content)
paragraphs = []
@nokogiri.xpath('//text:p').each do |t|
    paragraphs << t.content
end
text = paragraphs.join ' '

content=`unzip-cq\“{file\u path}\”content.xml`
需要“nokogiri”
@nokogiri=nokogiri:：XML（内容）
段落=[]
@xpath（'//text:p'）。每个|
您可能需要阅读的段落