PDFJS和PDF编码

Question

我们正在实施PDFJS在一个网站上呈现pdf文件。

当尝试将PDFdocument/Viewer初始化为arrayBuffer时，我们会得到各种各样的错误，并且文件不会呈现。当从url (DEFAULT_URL变量)在查看器中打开相同的文件时，该文件呈现良好。

然而，有一些文件确实呈现为流。比较记事本中的这些文件显示它们有不同的编码/字符。

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，它不是用上面的代码呈现的。

​

​

test2.pdf helloworld，它与上面的代码一起呈现。

​

​

这种行为与浏览器无关。构建是b15f335。

查看器的代码或默认配置是否会导致test.pdf不能由查看器呈现？

Answer 1

我不认为您的字符串转换例程rawStringToBuffer()可以满足您的需要。您正在以文本形式读取文件，它将UTF-8转换为UTF-16。但是rawStringToBuffer()只接受每个UTF-16字符的低阶字节，并丢弃高阶字节，而不是逆变换。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 (不是所有浏览器都支持，但可以使用多填充)。

然而，转换数据从UTF-8和返回是不必要的。只需使用FileReader.readAsArrayBuffer()而不是readAsText()直接生成ArrayBuffer。

下面是一个(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);
}