PDF.js

Question

我目前正在做一个 Node.js 项目。所需的操作之一是阅读 pdf 文档的文本，然后将文档拆分为单独的文件。

因为我在这个项目中一直使用 pdf.js 进行所有其他 pdf 解析，所以我希望也能使用它来完成上述要求。

阅读 PDF 及其文本内容相对简单。

例如 -

function GetWords(pdfUrl){
var pdf = PDFJS.getDocument(pdfUrl);
return pdf.then(function(pdf) { // calculate total count for document
     var maxPages = pdf.pdfInfo.numPages;
     var countPromises = []; // collecting all page promises
     for (var j = 1; j <= maxPages; j++) {
        var page = pdf.getPage(j);
        var txt = "";
        countPromises.push(page.then(function(page) { // add page promise
            var textContent = page.getTextContent();
            return textContent.then
            (
                function(page)
                { // return content promise

                    for(var i=0;i<page.items.length;i++)
                    {
                        var txtadd = page.items[i].str

                        txt += txtadd.replace(/[^a-zA-Z0-9:;,.?!-() ]/g,'');
                    }
                    return txt.split(" ").length; // value for page words
                });
        }));


     }
     // Wait for all pages and sum counts
     return Promise.all(countPromises).then(function (counts) {
       var count = 0;
       //counts.forEach(function (c) { count += c; });
       return count;
     });
});
}

但是，我似乎找不到任何从一个/或多个页面构建 PDF 的示例。理想情况下，我想使用 pdf.GetPage(j) 来获取所需页面的数组。然后将这些推入一个新文档并将这个新文档保存到磁盘。

如有任何帮助，我们将不胜感激。

Answer 1

我最终使用了一个单独的库来执行拆分。 http://pdfhummus.com/。所以结合 PDF.js 我能够得到想要的结果。

PDF.js - 将 pdf 拆分为页面并重新构建多个文件

PDF.js - split pdf into pages and re-build multiple files

node.js