PDFJS和PDF编码

Question

我们正在实施 PDFJS 以在网站上呈现 pdf 文件。

当尝试将 PDFdocument/Viewer 作为 arrayBuffer 启动时，我们会遇到各种错误并且文件不会呈现。从 url（DEFAULT_URL 变量）在查看器中打开同一文件时，文件呈现良好。

然而，有些文件确实呈现为流。在记事本中比较这些文件显示它们具有不同的 encoding/characters.

这段代码用于在查看器中打开文件：

function rawStringToBuffer( str ) {
    var idx, len = str.length, arr = new Array( len );
    for ( idx = 0 ; idx < len ; ++idx ) {
        arr[ idx ] = str.charCodeAt(idx) & 0xFF;
    }
    return new Uint8Array( arr ).buffer;
}

function readSingleFile(e) {
  var file = e.target.files[0];
  if (!file) {
    return;
  }
  var reader = new FileReader();
  reader.onload = function(e) {
    var contents = e.target.result;

    var uint8array = rawStringToBuffer(contents);

    pdfjsframe.contentWindow.PDFViewerApplication.open(uint8array,0);

    };
    reader.readAsText(file);
}

test.pdf helloworld pdf 上面的代码没有渲染。

test2.pdf helloworld pdf 用上面的代码渲染。

该行为不依赖于浏览器。内部版本是 b15f335。

查看器的代码或默认配置是否有问题，导致查看器无法呈现test.pdf？

Answer 1

我认为您的字符串转换例程 rawStringToBuffer() 没有达到您的要求。您正在以文本形式读取文件，它将 UTF-8 转换为 UTF-16。但是rawStringToBuffer()只是取每个UTF-16字符的低位字节，丢弃高位字节，这不是逆变换。这将适用于 7 位 ASCII 数据，但不适用于其他字符。将字符串转换为 UTF-8 的最佳方法是使用 TextEncoder API（并非所有浏览器都支持，但 polyfill 可用）。

但是，不需要将数据从 UTF-8 转换回来。只需使用 FileReader.readAsArrayBuffer() 而不是 readAsText() 即可直接生成 ArrayBuffer。

这是一个（未经测试的）替换函数：

function readSingleFile(e) {
  var file = e.target.files[0];
  if (!file) {
    return;
  }
  var reader = new FileReader();
  reader.onload = function(e) {
    var contents = e.target.result;

    pdfjsframe.contentWindow.PDFViewerApplication.open(contents, 0);
  };
  reader.readAsArrayBuffer(file);
}

PDFJS和PDF编码

PDFJS and PDF encoding

pdf.js