我该如何在客户端使用JavaScript从PDF文件中提取数据，无论使用哪种浏览器？
仅使用JavaScript从PDF文件中提取文本
3
- user1902583
1
这个回答解决了你的问题吗？https://dev59.com/1XI_5IYBdhLWcg3wDOZC - John Goofy
2个回答
2
pdf.js是一个JavaScript pdf阅读器： http://mozilla.github.com/pdf.js/
一些类似的项目：
- 用于docx和xlsx的：http://blog.innovatejs.com/?p=184
- jsPDF是一个pdf生成器：https://github.com/MrRio/jsPDF
如果您想知道如何加载文件，可以通过ajax请求完成，但您将无法直接读取文件内容。
- Christophe
2
根据millimoose的评论，pdf.js的输出仍然很糟糕，但似乎可以通过一些黑科技来“足够地”提取文本信息。 - user166390
@pst 对，虽然这只是一个尝试，但也没有太多选择了。 - Christophe
-1
你所要求的实际上是不可能的。
PDF 是一个针对高效显示大型复杂文档进行优化的重量级格式，而不是针对进一步处理进行优化的。 （事实上，PDF 文档主要由定位在页面上的字母形状和其他图形组成。表示“文本段落”的任何数据都是标记 PDF 的可选功能。）
文本提取往往是（通常昂贵的）PDF 库的一个功能，据我所知，JavaScript 并不存在这样的库。 Scribd 和 Google Docs 做到了这一点，但他们可能不会分享如何做到的，并且我的猜测是他们是在服务器端完成此操作。
tl;dr： 就格式而言，PDF 对此非常糟糕。 除非您的应用程序基本上的全部目的是从 PDF 中提取文本，否则最好花时间想出如何避免这样做。
- millimoose
10
https://github.com/mozilla/pdf.js/怎么样？不确定它是否有易于使用的API... - elclanrs
1从描述来看，@etclanrs 是一个 PDF 渲染库。显示 PDF 与提取适合文本处理的数据是两个不同的问题。类比一下，就像绘制 JPEG 与识别人脸。解析原始数据的低级代码是相同的，但解释这些数据完全不同。 - millimoose
使用完整的编程语言从PDF中提取文本已经很困难了，所以pdf.js可能更像是一个梦想而不是现实。此外，它看起来像是没有文档的虚拟产品，这可能会对大型项目构成负担。 - le3th4x0rbot
1@Christophe 你可以通过查看Calibre转换器的配置选项来了解需要完成的工作/已经完成的工作：http://manual.calibre-ebook.com/cli/ebook-convert.html（事实上，如果我要做这样一个功能，我的第一步是将PDF文件输入到calibre中并祈祷。即使如此，结果也不可能总是令人满意，除非最终用户调整这些参数。） - millimoose
显示剩余5条评论
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接