正在获取文本内容pdf.js

Getting textcontent pdf.js

本文关键字：pdf js 取文本 获取      更新时间：2023-09-26

我正在尝试使用js中的pdf.js从pdf文档中获取文本。然而，pdf.js没有像样的文档，我查看了可用的示例，得出了以下结论：

var pdfUrl = "http://localhost/test.pdf"
var pdf = PDFJS.getDocument(pdfUrl);
pdf.then(function(pdf) {
    var maxPages = pdf.pdfInfo.numPages;
    for (var j = 1; j < maxPages; j++) {
        var page = pdf.getPage(j);
        page.then(function() {
            var textContent = page.getTextContent();
        })
    }
});

页面部分正在工作，因为我可以看到它是一个承诺。然而，运行此位会给出：

Warning: Unhandled rejection: TypeError: Object #<Object> has no method 'getTextContent'
TypeError: Object #<Object> has no method 'getTextContent'

在我看到的例子中，它就是这样工作的。它正在获取页面，我可以打印出页数。

有经验的人能发光吗？

*奖金问题：我只对解析pdf感兴趣，而不是在浏览器中渲染它。然而，它必须在客户端完成。pdf.js适合这份工作吗？

page.then(function() {应为page.then(function(page) {

PDF.js呈现您的PDF文件并生成单词，然后将其输出为html元素。然后，每个元素都被放置在具有css属性的pdf之上{position:absolute；left:X，top:Y}，并被屏蔽在pdf之上。

这些div被赋予css属性{color:transparent}。这实现了突出显示选择的技巧，看起来你是直接从pdf文件中选择，但实际上你是在选择创建的html元素。

这正是它的工作原理，如果你想呈现pdf文件，这是可以的，但要记住，如果你想要改变输出技术（html透明的div），你必须带上自己的替换。。。

您还需要将其更改为

for (var j = 1; j <= maxPages; j++) {

否则你永远也看不到第一页。

相关文章：