[英]How? Parser PDF to Javascript Array?
如何使用JavaScript手動將PDF文檔解析為單詞數組。 我不在乎圖像,數字,表格,只在乎文字,因為我可以將其作為JavaScript對象使用。
假設您具有PDF的內容,則可以下載pdftotext並:
函數App(){var self = this; this.complete = 0;
this.pdfToText = function(data){
// render the first pages
var pdf = new PDFJS.PDFDoc(data);
var total = pdf.numPages;
for (i = 1; i <= total; i++){
var page = pdf.getPage(i);
var canvas = document.createElement('canvas');
canvas.id = 'page' + i;
canvas.mozOpaque = true;
div.appendChild(canvas);
canvas.width = page.width;
canvas.height = page.height;
var context = canvas.getContext('2d');
context.save();
context.fillStyle = 'rgb(255, 255, 255)';
context.fillRect(0, 0, canvas.width, canvas.height);
context.restore();
self.setMessage("Rendering...");
var textLayer = document.createElement('div');
textLayer.className = 'textLayer';
document.body.appendChild(textLayer);
page.startRendering(context, function(){
if (++self.complete == total){
self.setMessage("Finished rendering. Extracting text...");
window.setTimeout(function(){
var layers = [];
var nodes = document.querySelectorAll(".textLayer > div");
for (var j = 0; j < nodes.length; j++){
layers.push(nodes[j].textContent + "\n");
}
self.sendOutput(layers.join("\n"));
self.setMessage("Done!");
}, 1000);
}
}, textLayer);
}
};
}
this.receiveInput = function(event){
if (event.source != parent) return;
if (!event.data.byteLength) return alert("The PDF data needs to be an ArrayBuffer");
self.setMessage("Received data");
self.pdfToText(event.data);
}
this.sendOutput = function(text){
var recipient = parent.postMessage ? parent : (parent.document.postMessage ? parent.document : undefined);
recipient.postMessage(text, "*");
};
this.setMessage = function(text){
text = text.split(' ');
console.log(text);
}
window.addEventListener("message", self.receiveInput, true);
self.setMessage("Ready");
self.sendOutput("ready");
並輸入您的onchange
App()
。
DEMO(在某些瀏覽器中不起作用)這將從PDF中記錄一系列單詞(帶標點符號)。
有一個著名的JavaScript庫jspdf 。 它的getTextContent()
函數在您的情況下將非常有用。 查看以下兩個示例:
https://stackoverflow.com/a/20522307/2117492 ,
https://groups.google.com/d/msg/mozilla.dev.pdf-js/Qzq-xA2MHjs/nmlpttSIJcsJ
使用pdf.js ,我可以這樣做:
var pdf = require("pdf.js");
PDFJS.getDocument('document.pdf').then(function(pdf){
pdf.getPage(1).then(function(page){
page.getTextContent().then(function(txt){
var arrayOfText = items.map(function(item){
return item.str;
});
});
});
});
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.