実はpoppler gemを使うまでにいろんなpdfを扱うgemを確認してました。でも上手く行かなかったのです。
Ruby/Popplerを使えば、テキストがポンと出てきます。gem i popplerでインストール出来ます。
require "poppler" document = Poppler::Document.new("keigo_tousin.pdf") puts document.first.get_text：
（追記）
Mac OS Xでインストールに失敗する場合、このあたりを参考にしてみてください。
（Rabbitをインストールすれば、Ruby/Popplerもインストールされます）
http://rabbit-shocker.org/ja/install/homebrew.html
Ruby で PDF と戯れるの巻 - Qiita
結論として、コメント通り、popplerが一番簡単にpdfからテキストを抜き出せました。
しかし…インストールに手間取りました。
ので記事を書きました。
（ですが、実はこの手間は徒労でした^^;; 徒労を読まずに済ます場合はこちらへ）
2015/9/22追記
いつからか分かりませんが、どうやら poppler gem 自身に poppler の native が入ったようです。なので Homebrew で poppler などを入れなくても問題なく動作します。
$ gem install poppler Fetching: pkg-config-1.1.6.gem (100%) Successfully installed pkg-config-1.1.6 Fetching: cairo-1.14.3.gem (100%) Building native extensions. This could take a while... Successfully installed cairo-1.14.3 Fetching: glib2-3.0.5.gem (100%) Building native extensions. This could take a while... Successfully installed glib2-3.0.5 Fetching: gdk_pixbuf2-3.0.5.gem (100%) Building native extensions. This could take a while... Successfully installed gdk_pixbuf2-3.0.5 Fetching: poppler-3.0.5.gem (100%) Building native extensions. This could take a while... Successfully installed poppler-3.0.5 5 gems installed
（2015/9/22追記ここまで）
poppler gemのリファレンス
- Poppler::Documentクラス（pdf全体のインスタンス）のメソッド
Poppler::Document - Ruby-GNOME2 Project Website
- Poppler::Pageクラス（各ページのインスタンス）のメソッド
Poppler::Page - Ruby-GNOME2 Project Website
- クラス索引
Ruby/Poppler - Ruby-GNOME2 Project Website
- メソッド索引
index-ruby-poppler - Ruby-GNOME2 Project Website
- おまけ：ソース
ruby-gnome2/poppler at master · ruby-gnome2/ruby-gnome2 · GitHub
poppler gemの依存性確認
$ gem dependency poppler --remote Gem poppler-2.2.0 cairo (>= 1.12.8) gdk_pixbuf2 (= 2.2.0)
poppler gemインストール開始（その１）
$ gem install poppler Fetching: pkg-config-1.1.5.gem (100%) Fetching: cairo-1.12.8.gem (100%) Building native extensions. This could take a while... ERROR: Error installing poppler: ERROR: Failed to build gem native extension. /Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby extconf.rb checking for GCC... yes checking for Win32 OS... no checking for cairo version (>= 1.2.0)... no checking for brew... yes installing 'cairo' native package... failed failed to run 'brew install cairo'. *** extconf.rb failed *** Could not create Makefile due to some reason, probably lack of necessary libraries and/or headers. Check the mkmf.log file for more details. You may need configuration options. Provided configuration options: --with-opt-dir --without-opt-dir --with-opt-include --without-opt-include=${opt-dir}/include --with-opt-lib --without-opt-lib=${opt-dir}/lib --with-make-prog --without-make-prog --srcdir=. --curdir --ruby=/Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby --with-pkg-config --without-pkg-config --with-override-variables --without-override-variables Gem files will remain installed in /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/cairo-1.12.8 for inspection. Results logged to /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/cairo-1.12.8/ext/cairo/gem_make.out
失敗。
brewを使う必要があるようだと気付く
まずbrew update。
そして上で
failed to run 'brew install cairo'.
$ brew install cairo cairo: Unsatisfied dependency: XQuartz Homebrew does not package XQuartz. Installers may be found at: https://xquartz.macosforge.org Error: An unsatisfied requirement failed this build.
失敗２。
XQuartzが要るらしい
エラーメッセージにもあるがXQuartzからダウンロードしてインストールする。
そして再起動。
poppler gemインストール開始（その２）
$ gem install poppler Building native extensions. This could take a while... Fetching: glib2-2.2.0.gem (100%) Building native extensions. This could take a while... Fetching: gdk_pixbuf2-2.2.0.gem (100%) Building native extensions. This could take a while... Fetching: poppler-2.2.0.gem (100%) Building native extensions. This could take a while... ERROR: Error installing poppler: ERROR: Failed to build gem native extension. /Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby extconf.rb checking for -Wall option to compiler... yes checking for -Waggregate-return option to compiler... yes checking for -Wcast-align option to compiler... yes checking for -Wextra option to compiler... yes checking for -Wformat=2 option to compiler... yes checking for -Winit-self option to compiler... yes checking for -Wlarger-than-65500 option to compiler... yes checking for -Wmissing-declarations option to compiler... yes checking for -Wmissing-format-attribute option to compiler... yes checking for -Wmissing-include-dirs option to compiler... yes checking for -Wmissing-noreturn option to compiler... yes checking for -Wmissing-prototypes option to compiler... yes checking for -Wnested-externs option to compiler... yes checking for -Wold-style-definition option to compiler... yes checking for -Wpacked option to compiler... yes checking for -Wp,-D_FORTIFY_SOURCE=2 option to compiler... yes checking for -Wpointer-arith option to compiler... yes checking for -Wswitch-default option to compiler... yes checking for -Wswitch-enum option to compiler... yes checking for -Wundef option to compiler... yes checking for -Wunsafe-loop-optimizations option to compiler... yes checking for -Wwrite-strings option to compiler... yes checking for rb_define_alloc_func() in ruby.h... yes checking for rb_block_proc() in ruby.h... yes checking for new allocation framework... yes checking for attribute assignment... no checking for cairo... yes checking for rb_cairo.h... yes checking for Win32 OS... no checking for poppler-glib version (>= 0.12.0)... no checking for brew... yes *** extconf.rb failed *** Could not create Makefile due to some reason, probably lack of necessary libraries and/or headers. Check the mkmf.log file for more details. You may need configuration options. Provided configuration options: --with-opt-dir --without-opt-dir --with-opt-include --without-opt-include=${opt-dir}/include --with-opt-lib --without-opt-lib=${opt-dir}/lib --with-make-prog --without-make-prog --srcdir=. --curdir --ruby=/Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby --with-pkg-config --without-pkg-config --with-override-variables --without-override-variables Gem files will remain installed in /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/poppler-2.2.0 for inspection. Results logged to /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/poppler-2.2.0/ext/poppler/gem_make.out
失敗。しかも同じようなメッセージ。
cairoをbrewでインストール
XQuartzを入れただけではダメっぽい。
のでもう一度手動でcairoを入れる。
$ brew install cairo ==> Installing dependencies for cairo: fontconfig, pixman ==> Installing cairo dependency: fontconfig ==> Downloading https://downloads.sf.net/project/machomebrew/Bottles/fontconfig- ######################################################################## 100.0% ==> Pouring fontconfig-2.11.0.mavericks.bottle.1.tar.gz ==> /usr/local/Cellar/fontconfig/2.11.0/bin/fc-cache -frv 🍺 /usr/local/Cellar/fontconfig/2.11.0: 445 files, 4.0M ==> Installing cairo dependency: pixman ==> Downloading https://downloads.sf.net/project/machomebrew/Bottles/pixman-0.32 ######################################################################## 100.0% ==> Pouring pixman-0.32.4.mavericks.bottle.tar.gz 🍺 /usr/local/Cellar/pixman/0.32.4: 11 files, 1.3M ==> Installing cairo ==> Downloading https://downloads.sf.net/project/machomebrew/Bottles/cairo-1.12. ######################################################################## 100.0% ==> Pouring cairo-1.12.16_1.mavericks.bottle.tar.gz 🍺 /usr/local/Cellar/cairo/1.12.16_1: 105 files, 7.6M
成功。
poppler gemインストール開始（その３）
$ gem install poppler
Building native extensions. This could take a while...
ERROR: Error installing poppler:
ERROR: Failed to build gem native extension.
/Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby extconf.rb
checking for -Wall option to compiler... yes
checking for -Waggregate-return option to compiler... yes
checking for -Wcast-align option to compiler... yes
checking for -Wextra option to compiler... yes
checking for -Wformat=2 option to compiler... yes
checking for -Winit-self option to compiler... yes
checking for -Wlarger-than-65500 option to compiler... yes
checking for -Wmissing-declarations option to compiler... yes
checking for -Wmissing-format-attribute option to compiler... yes
checking for -Wmissing-include-dirs option to compiler... yes
checking for -Wmissing-noreturn option to compiler... yes
checking for -Wmissing-prototypes option to compiler... yes
checking for -Wnested-externs option to compiler... yes
checking for -Wold-style-definition option to compiler... yes
checking for -Wpacked option to compiler... yes
checking for -Wp,-D_FORTIFY_SOURCE=2 option to compiler... yes
checking for -Wpointer-arith option to compiler... yes
checking for -Wswitch-default option to compiler... yes
checking for -Wswitch-enum option to compiler... yes
checking for -Wundef option to compiler... yes
checking for -Wunsafe-loop-optimizations option to compiler... yes
checking for -Wwrite-strings option to compiler... yes
checking for rb_define_alloc_func() in ruby.h... yes
checking for rb_block_proc() in ruby.h... yes
checking for new allocation framework... yes
checking for attribute assignment... no
checking for cairo... yes
checking for rb_cairo.h... yes
checking for Win32 OS... no
checking for poppler-glib version (>= 0.12.0)... no
checking for brew... yes
*** extconf.rb failed ***
Could not create Makefile due to some reason, probably lack of
necessary libraries and/or headers. Check the mkmf.log file for more
details. You may need configuration options.
Provided configuration options:
--with-opt-dir
--without-opt-dir
--with-opt-include
--without-opt-include=${opt-dir}/include
--with-opt-lib
--without-opt-lib=${opt-dir}/lib
--with-make-prog
--without-make-prog
--srcdir=.
--curdir
--ruby=/Users/riocampos/.rbenv/versions/1.9.3-p484/bin/ruby
--with-pkg-config
--without-pkg-config
--with-override-variables
--without-override-variables
Gem files will remain installed in /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/poppler-2.2.0 for inspection.
Results logged to /Users/riocampos/.rbenv/versions/1.9.3-p484/lib/ruby/gems/1.9.1/gems/poppler-2.2.0/ext/poppler/gem_make.out
失敗３。
どうやらoptionを指定する必要があるようだ。
google:ruby poppler install option
で検索した結果、ここが当たった。rabbitというappの関係。どうやらpopplerを使っているようだ。
--with-glibなしでインストールしても動かないので対応するまでは自動でインストールしていないようにしています！
homebrew で poppler の --with-glib の時のエラーメッセージがわかりにくい · Issue #24 · rabbit-shocker/rabbit · GitHub
ということは--with-glibを付けるんだね。
poppler gemインストール開始（その４）
$ gem install poppler --with-glib ERROR: While executing gem ... (OptionParser::InvalidOption) invalid option: --with-glib
いきなり失敗。
--with-glibはgemのオプションにはならないらしい。
ということは、homebrewか。
brewでpopplerをインストール
$ brew install poppler --with-glib ==> Installing dependencies for poppler: little-cms2, openjpeg ==> Installing poppler dependency: little-cms2 ==> Downloading https://downloads.sf.net/project/machomebrew/Bottles/little-cms2 ######################################################################## 100.0% ==> Pouring little-cms2-2.5.mavericks.bottle.tar.gz 🍺 /usr/local/Cellar/little-cms2/2.5: 16 files, 1.0M ==> Installing poppler dependency: openjpeg ==> Downloading https://openjpeg.googlecode.com/files/openjpeg-1.5.1.tar.gz ######################################################################## 100.0% ==> ./configure --prefix=/usr/local/Cellar/openjpeg/1.5.1_1 ==> make install 🍺 /usr/local/Cellar/openjpeg/1.5.1_1: 18 files, 616K, built in 24 seconds ==> Installing poppler ==> Downloading http://poppler.freedesktop.org/poppler-0.24.5.tar.xz ######################################################################## 100.0% ==> ./configure --prefix=/usr/local/Cellar/poppler/0.24.5_1 --enable-xpdf-header ==> make install ==> Downloading http://poppler.freedesktop.org/poppler-data-0.4.6.tar.gz ######################################################################## 100.0% ==> make install prefix=/usr/local/Cellar/poppler/0.24.5_1 🍺 /usr/local/Cellar/poppler/0.24.5_1: 457 files, 22M, built in 75 seconds
入った。
poppler gemインストール開始（その５）
homebrewで入れたpopplerだけではRubyから使えないでしょうから、やはり再度gemでインストール。
$ gem install poppler
Building native extensions. This could take a while...
Successfully installed poppler-2.2.0
1 gem installed
ようやく入りました！
実は最初に手順情報が
最初のサイトにこのような追記がありました。
（追記）
Mac OS Xでインストールに失敗する場合、このあたりを参考にしてみてください。
（Rabbitをインストールすれば、Ruby/Popplerもインストールされます）
http://rabbit-shocker.org/ja/install/homebrew.html
Ruby で PDF と戯れるの巻 - Qiita
で。
brew linkなどは行ってませんが、brew install popplerでの--with-glibというオプションに付いて、ちゃんと明記されています。
今回の作業は大回りしすぎ^^;;
実行
popplerでテキストを抜き出せるか、pryで確認します。
今回使うpdfファイルは…これ。
研究論文（STAP細胞）の疑義に関する調査報告について（その2）研究論文の疑義に関する調査報告書（スライド）
今日いちばん注目されたスライドの元pdfです。
pry(main)> require 'poppler' => true pry(main)> require 'open-uri' => true pry(main)> riken_stap_research_report_slide = Poppler::Document.new(open("http://www3.riken.jp/stap/j/i2document2.pdf").read) => #<Poppler::Document:0x7fb7d41c4b28 ptr=0x7fb7d429d900> pry(main)> puts riken_stap_research_report_slide.first.get_text; 調査委員会 報告 1
間違いなく日本語でスライド１枚目のテキストを抜き出せました。
見出の「調査委員会 報告」とページ数の「1」です。
次はスライド最後のページ。まとめです。
pry(main)> puts riken_stap_research_report_slide[riken_stap_research_report_slide.size - 1].get_text; まとめ 小保方氏 ２つの点について研究不正行為があった。 若山、笹井両氏 研究不正行為はなかったが、データの正当性と正確性等について 自ら確認することなく論文投稿に至 ており その責任は重大である 自ら確認することなく論文投稿に至っており、その責任は重大である 丹羽氏 論文作成の遅い段階でこの研究に参加したものであり、 論文作成の遅い段階でこの研究に参加したものであり 研究不正行為は認められなかった。 20
こちらも上手く行きました（文章の重複は元pdfのせい、のはず）。
poppler gemの詳細はおいおい確認していきます。
*1:ところでcairoって何ですか？→Rubyist Magazine - cairo: 2 次元画像描画ライブラリ
