如何从PDF中提取文本？答案

【问题标题】：How to extract text from PDF?如何从PDF中提取文本？
【发布时间】：2019-12-05 20:26:10
【问题描述】：

我正在使用 NodeJS 创建一个 React 应用程序，它需要从用户上传的 PDF 中获取一些文本。

我已经尝试过使用：pdf-parse、pdf2json、pdf.js 和 react-pdf-js。该文件应该由用户选择，并且所有这些库都使用路径来访问该文件。我该怎么办？ PS1：我正在使用 input type='file' 按钮来获取文件。

代码必须同时适用于 NodeJS 和 Web 浏览器

【问题讨论】：

【解决方案1】：

你没有上传任何代码sn-p，所以我的回答是根据这个场景

你可以看到这个例子，这是“如何使用pdf.js”的完美例子

但我认为您必须根据您的要求进行一些更改

享受..

【讨论】：

【解决方案2】：

我正在回答我自己的问题。首先，我创建一个常规的 html 输入。

<input type='file'/>

我正在使用 React，所以我使用 onChange 属性代替 id。因此，当用户输入文件时，会激活一个功能，我使用以下代码获取文件：

const file = event.target.files[0];

file 没有路径，PDF.JS 使用该路径获取真实文件。然后我使用FileReader 将文件转换为位数组（我猜）：

const fileReader = new FileReader();

然后我们在fileReader.onload设置一个函数，该函数可以在here找到

fileReader.onload = function() {...}

最后我们这样做了：

fileReader.readAsArrayBuffer(file);

重要 PS：pdf.pdfInfo 在新的 PDF.JS 版本中必须替换为 pdf。

感谢您的帮助。

额外 PS：为了在 React 中使用 pdfjsLib 作为 PDFJS，我在 index.html 文件中执行了此操作：

window.PDFJS = pdfjsLib

【讨论】：