将PDF转换为文本

Question

我正在开发一个电子应用程序。应用程序应该接收PDF文件并转换为txt。我使用了库PDF2JSON，但是，如果和电子一起使用，它会给出以下worker错误：

Uncaught Error: No PDFJS.workerSrc specified

使用Electron将PDF转换为文本而无需重定向到外部服务器的最佳方法是什么？

  const {dialog} = require('electron').remote;
    const fs = require('fs');
    const PDFParser = require("pdf2json");

    const pdfParser = new PDFParser(this,1);



    document.getElementById('select-file').addEventListener('click',function(){
        dialog.showOpenDialog(function (fileNames) {
            if(fileNames === undefined){
                console.log("No file selected");
            }else{
                const file = fileNames[0];

                pdfParser.on("pdfParser_dataError", errData => console.error(errData.parserError) );
                pdfParser.on("pdfParser_dataReady", pdfData => {
                    fs.writeFile("content.txt", pdfParser.getRawTextContent());
                });

                pdfParser.loadPDF(file);

            }
        });
    },false);

Answer 1

我正在开发一个电子应用程序，我也有同样的问题(试着读一个PDF和'No PDFJS.workerSrc specified‘)，最后我得到了它。我做了与@slowjack2k相同的想法(但没有coffeescript hehe)。

首先，安装pdf2json。

然后，在main.js中

const { ipcMain } = require( 'electron' );
const PDFParser = require( 'pdf2json' );

ipcMain.on( 'prefix-convert-pdf', ( event, file_base_path ) => {
    new PDFParser()
        .on( "pdfParser_dataError", errData => {
            event.sender.send( 'prefix-pdf-converted-error', errData );
        })
        .on( "pdfParser_dataReady", pdfData => {
            event.sender.send( 'prefix-pdf-converted', pdfData );
        })
        .loadPDF( file_base_path );
});

在renderer.js中

const { ipcRenderer } = require( 'electron' );

document.getElementById( 'the-button' ).addEventListener('click', () => {
    ipcRenderer.send( 'prefix-convert-pdf', 'C:\Users\user\Desktop\test\my-pdf.pdf' );
    // Better use require('path'), this is a simple way to understand how it works.
});

ipcRenderer
    .on( 'prefix-pdf-converted-error', ( event, errData ) => {
        console.error( errData );
        //do whatever you want in the DOM
    })
    .on( 'prefix-pdf-converted', ( event, pdfData ) => {
        console.log( pdfData );
        //do whatever you want in the DOM
    });

Answer 2

你的代码看起来像是在你的渲染器处理器中做所有的pdf2json工作。在渲染器进程中，您无法获得nodejs的完整功能集。

到目前为止，pdf2json还没有被设计为在浏览器中运行。你可以通过将所有与pdf2json相关的东西放到你的渲染器进程中来让它工作，如下所示：

在渲染器进程中(咖啡脚本)：

{app, BrowserWindow, ipcMain} = require('electron')
PDFParser = require("pdf2json")

ipcMain.on 'convert-pdf', (event, path_to_file) ->
  console.log "Converting pdf " + path_to_file
  pdfParser = new PDFParser()

  pdfParser.on "pdfParser_dataError", (errData) ->
    console.error(errData.parserError)

  pdfParser.on "pdfParser_dataReady", (pdfData) =>
    console.log "sending data to renderer process"
    console.log JSON.stringify(pdfData)
    event.sender.send 'pdf-converted',  pdfData

    pdfParser.loadPDF(path_to_file)

在渲染器中：

<a href="#" id="convert-pdf"> doit </a> <span id="pdf-data">0</span>
  <script>
    const {ipcRenderer} = require('electron');
    let link = document.querySelector('#convert-pdf');
    link.addEventListener("click",function (event) {
        event.preventDefault();
        ipcRenderer.send('convert-pdf', '/the/file.pdf');
    },
    false);

    ipcRenderer.on('pdf-converted', (event, data) => {
      let span =  document.querySelector('#pdf-data');
      span.textContent=JSON.stringify(data);
    });
 </script>

您还可以使用remote显示一个对话框(对话框是主流程的一部分)。remote只是以同步方式使用所有消息传递的快捷方式。您可以使用ipcRenderer.sendSync实现相同的效果，并更清晰地将渲染器操作与主操作分开。