【发布时间】:2018-02-13 16:01:36
【问题描述】:
我正在尝试从 pdf 中提取文本,然后返回一个数字,该数字表示 pdf 有多少页与我定义的正则表达式匹配。
我的问题是,我的函数不是定期检查单个页面的文本是否是匹配的一部分,而是将这些部分分成比页面更小的部分。计数仅在读取整个页面后才会增加。
getnopages: function(){
var fulltext = ""
var partialmatch;
var somerx = /something/
return pdfjs.getDocument(data).then(function(pdf) {
var pages = [];
pageNumbers = [];
for (var i = 0; i <= 6; i++) {
pages.push(i);
}
var found = false;
var count = 1;
return Promise.all(pages.map(function(pageNumber) {
pageNumbers.push(pageNumber);
return pdf.getPage(pageNumber + 1).then(function(page)
return page.getTextContent().then(function(textContent) {
return textContent.items.map(function(item) {
fulltext+=item.str+'&&&';
return item.str;
}).join('&&&');
});
}).then(function(){
count++;
console.log('the count is ' + count)
var partialmatch;
try {
partialmatch = fulltext.match(somerx)[0]
console.log('the match: ' + partialmatch)
var full = fulltext.slice(0, fulltext.length-3)
console.log('the full text ' + full)
if (fulltext && partialmatch!==full && !found){
found = true;
console.log('now we found our number: ' + count) // this finds where the full text differs from the partial text but returns a number too large to be a page number
}
}
catch(e){
console.log(e)
}
});
}));
}
谁能帮我弄清楚如何重写它,以便 count 正确增加页码?
【问题讨论】:
-
不清楚全文是在哪里定义的,但看起来它正在以随机顺序从所有页面累积文本(因为对所有页面立即调用 getPage/getTextContent 并且这些以任何顺序解决)
-
@async5 我不小心遗漏了变量声明——只是将它们重新编辑了进去。你能建议一种方法来确保全文以正确的顺序返回文本吗?
标签: javascript regex promise es6-promise pdf.js