pdfjs 在包含非标准字符时无法查看 PDF
pdfjs can't view PDF when containing non standard characeters
解决方案： 要使 HTML 代码正常工作，请交换“reader.readAsText”
对于“reader.readAsBinaryString”，如@KJ 的回答
中所述
我正在尝试使用 PDFJS 查看 PDF。我有以下代码，它适用于我从 PDFJS 网站获得的演示 PDF，但它不适用于我尝试过的其他 PDF。这是有效的演示 PDF 的原始文本：
%PDF-1.7
1 0 obj % entry point
<</Type/Catalog/Pages 2 0 R>>
endobj
2 0 obj<</Type/Pages/MediaBox[ 0 0 200 200]/Count 1/Kids[3 0 R]>>endobj
3 0 obj<</Type/Page/Parent 2 0 R/Resources<</Font<</F1 4 0 R>>>>/Contents 5 0 R>>endobj
4 0 obj<</Type/Font/Subtype/Type1/BaseFont/Times-Roman>>endobj
5 0 obj % page content
<</Length 44>> stream
BT 70 50 TD /F1 12 Tf(Hello, world!) Tj ET
endstream endobj
xref trailer <</Size 6/Root 1 0 R>> startxref
%%EOF
这是我的 html 成功加载上述 PDF 的代码：
<script src="https://cdnjs.cloudflare.com/ajax/libs/pdf.js/2.2.228/pdf.js"></script>
<input type="file" id="input"/> </br> <canvas id="can" width=1000 height=1000/>
<script>
document.getElementById('input').addEventListener('change', function(e){
var reader = new FileReader()
reader.onload = function(x){
window['pdfjs-dist/build/pdf'].getDocument({data:x.target.result}).promise.then(function(pdf){
pdf.getPage(1).then(function(page){
page.render({canvasContext:document.getElementById('can').getContext('2d'),
viewport:page.getViewport({scale:1})})
})})}
reader.readAsText(e.target.files[0])
}, false)
</script>
但是，我的其他 PDF 根本无法加载。例如，我生成了一个 1 页的 PDF，在背面仅包含单词 'TEST' 并下载了它。当我尝试将此 PDF 上传到我的 html 代码时，我在控制台中收到以下错误：
Warning: Invalid stream: "FormatError: Bad FCHECK in flate stream: 120, 253"
util.js:306 Warning: Indexing all PDF objects
2util.js:306 Warning: Invalid stream: "FormatError: Bad FCHECK in flate stream: 120, 253"
viewPDF.html:1 Uncaught (in promise) InvalidPDFException {name: "InvalidPDFException", message: "Invalid PDF structure"}
Promise.then (async)
reader.onload @ viewPDF.html:7
load (async)
(anonymous) @ viewPDF.html:6
我怀疑我遇到的问题与无法使用的 PDF 包含非标准字符有关。这是背面 PDF 的前几行：
%PDF-1.5
%���
3 0 obj
<< /Linearized 1 /L 11602 /H [ 678 125 ] /O 7 /E 11072 /N 1 /T 11321 >>
endobj
4 0 obj
<< /Type /XRef /Length 51 /Filter /FlateDecode /DecodeParms << /Columns 4 /Predictor 12 >> /W [ 1 2 1 ] /Index [ 3 14 ] /Info 1 0 R /Root 5 0 R /Size 17 /Prev 11322 /ID [<8f1689fb6a16051fd66ebeadaa364b8d><4a8030207ba6597007a967ed52a9309d>] >>
stream
x�cbd�g`b`8 $��XF@���*�� ��@�Y�����v�#�.
endstream
endobj
5 0 obj
<< /Pages 14 0 R /Type /Catalog >>
endobj
6 0 obj
<< /Filter /FlateDecode /S 36 /Length 48 >>
stream
x�c```e``Z��
pe31
B�����,��v�>aW�
编辑：
可以在 Firefox、Chromium、mac 的预览应用程序等中查看背面的 PDF。从这个意义上讲，PDF 格式正确。一般来说，我希望能够使用格式正确的 PDF，因为它们可以被标准的 PDF 查看器查看。如果 PDFJS 只能处理在某种更严格意义上正确格式化的 PDF，那么在我看来，这要么是 PDFJS 中的错误，要么是缺乏功能。如果是这种情况，我想要一个 PDFJS 的替代品，我可能会尝试使用它。但我怀疑情况并非如此，如果我实际上错误地将上传的文件交给 PDFJS，这会导致我遇到的问题。
为了给您更多背景信息，我的目标是构建一个简单的 html 应用程序，允许用户上传他们的任何 PDF 文件并进行查看。从这里可以看出：'https://github.com/mozilla/pdf.js#online-demo' 它似乎适用于各种 PDF，但我自己却无法让它工作。
特别是，我希望用户能够查看可在标准 PDF 查看器（例如网络浏览器（例如：firefox 等））中查看的任何 PDF。我希望从用户本地计算机加载 PDF，而不是 url link。我希望这个澄清有所帮助。如果有任何问题，请告诉我。谢谢你的时间。
TL;DR跳到最后
您输出编码的二进制流，如这些符号所见，并且随着您使 PDF 变得更复杂，它们将越来越需要数学字体、图像和普通嵌入字体。只要所有输出都被索引，就可以将它们以 ascii 代码输出并接受 table。您的背页代码也因 WEB /Linearized 输出而更加复杂。
PDF 的结构并不简单，您的最小工作示例应该看起来更像这样，其中包含外部参照 table。
%PDF-1.7
%µ¶
1 0 obj
<</Type/Catalog/Pages 2 0 R>>
endobj
2 0 obj
<</Type/Pages/MediaBox[0 0 200 200]/Count 1/Kids[3 0 R]>>
endobj
3 0 obj
<</Type/Page/Parent 2 0 R/Resources<</Font<</F1 4 0 R>>>>/Contents 5 0 R>>
endobj
4 0 obj
<</Type/Font/Subtype/Type1/BaseFont/Times-Roman>>
endobj
5 0 obj
<</Length 63>>
stream
q
BT
-50 TL
/F1 12 Tf
1 0 0 1 70 50 Tm
(Hello, world!) Tj
ET
Q
endstream
endobj
xref
0 6
0000000000 65536 f
0000000016 00000 n
0000000062 00000 n
0000000136 00000 n
0000000227 00000 n
0000000293 00000 n
trailer
<</Size 6/Root 1 0 R>>
startxref
405
%%EOF
此格式的主要问题是十进制字节地址需要正确，因此大文件中 \n \r\n 和 \r 之间的不同 OS 行结尾可能会显着改变这些值，这样一个字节错误，文件就损坏了。
InvalidPDFException 通常意味着以下两种情况之一：A) 错误的 PDF B) 错误的 pdf 处理如果您知道 pdf 是 100% 有效的（永远不确定）那么它必须是 B）二进制在某处被解析为 ASCII 文本类型但是一些 jslibs 期望/接受 PDF 作为 text.base64 然后将客户端转换为 binary.pdf
该错误表明二进制扁平化数据已被 ascii 处理损坏，大概在传输或接收时未存储为 application/pdf 数据，因为 pdf 的部分编码就像 zip 文件一样
终于
在讨论中我注意到脚本的最后一行说 readAsText() 和那些基于 ascii 的 PDF 正在工作，同时在不同的浏览器中测试上面脚本的许多变体（试图清除控制台注释）我测试的最简单的解决方案all（除了IE11不会玩球）是用reader.readAsBinaryString(e.target.files[0])代替它。但是我建议使用一个更完整的跨浏览器示例来处理密码等。对其他人来说会更好，但如果它对你有用，那就足够了。
解决方案： 要使 HTML 代码正常工作，请交换“reader.readAsText” 对于“reader.readAsBinaryString”，如@KJ 的回答
中所述我正在尝试使用 PDFJS 查看 PDF。我有以下代码，它适用于我从 PDFJS 网站获得的演示 PDF，但它不适用于我尝试过的其他 PDF。这是有效的演示 PDF 的原始文本：
%PDF-1.7
1 0 obj % entry point
<</Type/Catalog/Pages 2 0 R>>
endobj
2 0 obj<</Type/Pages/MediaBox[ 0 0 200 200]/Count 1/Kids[3 0 R]>>endobj
3 0 obj<</Type/Page/Parent 2 0 R/Resources<</Font<</F1 4 0 R>>>>/Contents 5 0 R>>endobj
4 0 obj<</Type/Font/Subtype/Type1/BaseFont/Times-Roman>>endobj
5 0 obj % page content
<</Length 44>> stream
BT 70 50 TD /F1 12 Tf(Hello, world!) Tj ET
endstream endobj
xref trailer <</Size 6/Root 1 0 R>> startxref
%%EOF
这是我的 html 成功加载上述 PDF 的代码：
<script src="https://cdnjs.cloudflare.com/ajax/libs/pdf.js/2.2.228/pdf.js"></script>
<input type="file" id="input"/> </br> <canvas id="can" width=1000 height=1000/>
<script>
document.getElementById('input').addEventListener('change', function(e){
var reader = new FileReader()
reader.onload = function(x){
window['pdfjs-dist/build/pdf'].getDocument({data:x.target.result}).promise.then(function(pdf){
pdf.getPage(1).then(function(page){
page.render({canvasContext:document.getElementById('can').getContext('2d'),
viewport:page.getViewport({scale:1})})
})})}
reader.readAsText(e.target.files[0])
}, false)
</script>
但是，我的其他 PDF 根本无法加载。例如，我生成了一个 1 页的 PDF，在背面仅包含单词 'TEST' 并下载了它。当我尝试将此 PDF 上传到我的 html 代码时，我在控制台中收到以下错误：
Warning: Invalid stream: "FormatError: Bad FCHECK in flate stream: 120, 253"
util.js:306 Warning: Indexing all PDF objects
2util.js:306 Warning: Invalid stream: "FormatError: Bad FCHECK in flate stream: 120, 253"
viewPDF.html:1 Uncaught (in promise) InvalidPDFException {name: "InvalidPDFException", message: "Invalid PDF structure"}
Promise.then (async)
reader.onload @ viewPDF.html:7
load (async)
(anonymous) @ viewPDF.html:6
我怀疑我遇到的问题与无法使用的 PDF 包含非标准字符有关。这是背面 PDF 的前几行：
%PDF-1.5
%���
3 0 obj
<< /Linearized 1 /L 11602 /H [ 678 125 ] /O 7 /E 11072 /N 1 /T 11321 >>
endobj
4 0 obj
<< /Type /XRef /Length 51 /Filter /FlateDecode /DecodeParms << /Columns 4 /Predictor 12 >> /W [ 1 2 1 ] /Index [ 3 14 ] /Info 1 0 R /Root 5 0 R /Size 17 /Prev 11322 /ID [<8f1689fb6a16051fd66ebeadaa364b8d><4a8030207ba6597007a967ed52a9309d>] >>
stream
x�cbd�g`b`8 $��XF@���*�� ��@�Y�����v�#�.
endstream
endobj
5 0 obj
<< /Pages 14 0 R /Type /Catalog >>
endobj
6 0 obj
<< /Filter /FlateDecode /S 36 /Length 48 >>
stream
x�c```e``Z��
pe31
B�����,��v�>aW�
编辑：
可以在 Firefox、Chromium、mac 的预览应用程序等中查看背面的 PDF。从这个意义上讲，PDF 格式正确。一般来说，我希望能够使用格式正确的 PDF，因为它们可以被标准的 PDF 查看器查看。如果 PDFJS 只能处理在某种更严格意义上正确格式化的 PDF，那么在我看来，这要么是 PDFJS 中的错误，要么是缺乏功能。如果是这种情况，我想要一个 PDFJS 的替代品，我可能会尝试使用它。但我怀疑情况并非如此，如果我实际上错误地将上传的文件交给 PDFJS，这会导致我遇到的问题。
为了给您更多背景信息，我的目标是构建一个简单的 html 应用程序，允许用户上传他们的任何 PDF 文件并进行查看。从这里可以看出：'https://github.com/mozilla/pdf.js#online-demo' 它似乎适用于各种 PDF，但我自己却无法让它工作。
特别是，我希望用户能够查看可在标准 PDF 查看器（例如网络浏览器（例如：firefox 等））中查看的任何 PDF。我希望从用户本地计算机加载 PDF，而不是 url link。我希望这个澄清有所帮助。如果有任何问题，请告诉我。谢谢你的时间。
TL;DR跳到最后
您输出编码的二进制流，如这些符号所见，并且随着您使 PDF 变得更复杂，它们将越来越需要数学字体、图像和普通嵌入字体。只要所有输出都被索引，就可以将它们以 ascii 代码输出并接受 table。您的背页代码也因 WEB /Linearized 输出而更加复杂。
PDF 的结构并不简单，您的最小工作示例应该看起来更像这样，其中包含外部参照 table。
%PDF-1.7
%µ¶
1 0 obj
<</Type/Catalog/Pages 2 0 R>>
endobj
2 0 obj
<</Type/Pages/MediaBox[0 0 200 200]/Count 1/Kids[3 0 R]>>
endobj
3 0 obj
<</Type/Page/Parent 2 0 R/Resources<</Font<</F1 4 0 R>>>>/Contents 5 0 R>>
endobj
4 0 obj
<</Type/Font/Subtype/Type1/BaseFont/Times-Roman>>
endobj
5 0 obj
<</Length 63>>
stream
q
BT
-50 TL
/F1 12 Tf
1 0 0 1 70 50 Tm
(Hello, world!) Tj
ET
Q
endstream
endobj
xref
0 6
0000000000 65536 f
0000000016 00000 n
0000000062 00000 n
0000000136 00000 n
0000000227 00000 n
0000000293 00000 n
trailer
<</Size 6/Root 1 0 R>>
startxref
405
%%EOF
此格式的主要问题是十进制字节地址需要正确，因此大文件中 \n \r\n 和 \r 之间的不同 OS 行结尾可能会显着改变这些值，这样一个字节错误，文件就损坏了。
InvalidPDFException 通常意味着以下两种情况之一：A) 错误的 PDF B) 错误的 pdf 处理如果您知道 pdf 是 100% 有效的（永远不确定）那么它必须是 B）二进制在某处被解析为 ASCII 文本类型但是一些 jslibs 期望/接受 PDF 作为 text.base64 然后将客户端转换为 binary.pdf
该错误表明二进制扁平化数据已被 ascii 处理损坏，大概在传输或接收时未存储为 application/pdf 数据，因为 pdf 的部分编码就像 zip 文件一样
终于
在讨论中我注意到脚本的最后一行说 readAsText() 和那些基于 ascii 的 PDF 正在工作，同时在不同的浏览器中测试上面脚本的许多变体（试图清除控制台注释）我测试的最简单的解决方案all（除了IE11不会玩球）是用reader.readAsBinaryString(e.target.files[0])代替它。但是我建议使用一个更完整的跨浏览器示例来处理密码等。对其他人来说会更好，但如果它对你有用，那就足够了。