使用node.js获取pdf格式的特定信息

Question

在更大范围内，我试图从api获取大量合同，这些合同包含pdf文件，其中包含合同的详细信息。在获取这些文件之后，我使用'pdf-parse‘(https://www.npmjs.com/package/pdf-parse) node.js库来读取pdf的文本。

现在来看我的问题:如何从这些文件中读取某些值？例如，在pdf的开头，应该有对合同双方的介绍。我想得到签字方的名字和电子邮件，它的格式是这样的，几乎在pdf的开头。属性名称为偶数，信息从偶数点开始。

Name          Mark Jackson 
Address       Winston Street 13 
Email         Mark@Jackson@email.com 
Etc...        ABCD...

什么样的方法才能让我得到这些，而且只有合同的这些属性？

Answer 1

所以假设字符串a

a = `Name          Mark Jackson 
Address       Winston Street 13 
Email         Mark@Jackson@email.com 
Etc...        ABCD...
`;

您可以轻松提取您的姓名和电子邮件，如下所示：

const name = a.match(/Name\s+(.*?)\n/, 'm')[1].trim();
const email = a.match(/Email\s+(.*?)\n/, 'm')[1].trim();

​

​