获取textcontent pdf.js

Question

我试着用JS中的pdf.js从pdf文档中获取文本。但是，pdf.js没有很好的文档，我查看了可用的示例，并得出如下结论：

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();

        })
    }
});

页面位正在工作，因为我可以看到它是一个约定。但是，运行此位将提供：

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

在我见过的例子中，它是这样工作的。它得到了页面，我可以打印出页数。

有经验的人谁能发光？

*额外的问题:我只对解析pdf感兴趣，而不是在浏览器中呈现它。然而，这必须由客户方来完成。pdf.js是适合这份工作的锤子吗？

Answer 1

page.then(function() {应该是page.then(function(page) {

Answer 2

PDF.js呈现您的pdf文件并生成单词，然后将它们作为html元素输出。然后，每个元素被放置在您的pdf之上，css属性{位置:绝对；左边:X，top:Y}，并在您的pdf上蒙面。

这些div被赋予css属性{color:透明度}。这做了选择高亮显示的诀窍，看起来你是直接从pdf文件中选择，但实际上你选择的是创建的html元素。

这正是它的工作方式，如果您想要呈现pdf文件，请记住，如果您想要更改输出技术(html透明div)，您必须带着自己的替代品.

Answer 3

您还需要将其更改为

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

否则你就永远得不到第一页了。