Pdf.js（用于节点）不呈现 pdf 的全部内容

Question

我正在尝试使用 https://www.npmjs.com/package/pdfjs-dist-for-node 搜索 pdf 的文本。

我的代码如下所示：

 gettext: function(){
     var data = '../static/example.pdf';
         return pdfjs.getDocument(data).then(function(pdf) {
     var pages = [];
     for (var i = 0; i < pdf.numPages; i++) {
                 pages.push(i);
     }
     return Promise.all(pages.map(function(pageNumber) {
                 return pdf.getPage(pageNumber + 1).then(function(page) {
         return page.getTextContent().then(function(textContent) {
                         return textContent.items.map(function(item) {
             return item.str;
                         }).join(' ');
         });
                 });
     })).then(function(pages) {
         return pages.join("\r\n")
     });
         }).then(function(pages){
     console.log(pages)
     });


 }

这似乎有效，但它会跳过部分文本。具体来说，它会跳过我在原始 pdf 文档中无法用鼠标突出显示的内容。有没有办法让 pdf.js 获取这些数据？

Answer 1

如果您在查看 PDF 时无法选择文本，则表示它实际上是一个图像，因此您将无法搜索它。

所以很遗憾，这是不可能的，除非您首先设置其他东西来在 PDF 上执行一些 OCR 以尝试将图像转换为文本。