如何？解析器PDF到JavaScript數組？

我怎麼能手動解析PDF文檔到使用JavaScript的話陣列。我不關心圖像，數字，表格 - 只有單詞，因爲我可以將它用作JavaScript對象。如何？解析器PDF到JavaScript數組？

2014-01-06 Ruzel Davletyarov

要那樣做服務器端或客戶端？如果客戶端，你如何收到文件？沒有跨域問題？ –

是，客戶端） –

@RuzelDavletyarov你已經在你的網站上的PDF文件，還是用戶上傳嗎？ – Cilan

假設你已經有PDF格式的內容，你可以下載pdftotext和：

功能應用（）{ VAR 自我=這一點; 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");

，讓你輸入的onchangeApp()。

DEMO (doesn't work in some browsers) 這將從PDF中記錄單詞數組（含標點符號）。

來源

2014-01-06 16:48:39 Cilan

東西我沒有采取文件的文字（ –

有一個稱爲jspdf一個衆所周知的JavaScript庫。它的getTextContent()函數在你的情況下會非常有用。看看這兩個例子：

https://stackoverflow.com/a/20522307/2117492，

https://groups.google.com/d/msg/mozilla.dev.pdf-js/Qzq-xA2MHjs/nmlpttSIJcsJ

來源

2014-01-06 16:53:50 gthacoder

使用pdf.js，我這樣做：

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; 
     }); 
    }); 
    }); 
});

來源

2015-03-13 12:35:55

如何？解析器PDF到JavaScript數組？

回答

相關問題