问题标签 [pdf2json]

我正在使用https://www.npmjs.com/package/pdf2json npm 包，它将从给定路径中选择 pdf，当 pdf 解析器准备好解析它时，它会触发一个事件pdfParser_dataReady。我想将它与异步等待一起使用。

在上面的代码里面pdfParser_dataReady我调用了一个initPdfParser返回一些数据的方法。并且defineParser函数以异步方式从其他函数调用。

我的问题是如何在上述情况下使用异步等待，以便该defineParser函数将等到pdfParser_dataReady事件被触发并从initPdfParser函数返回数据，以便uploadEmailDoc获取最终数据并返回它。我尝试了几种方法，但找不到从事件回调中获取响应的方法。

任何帮助将非常感激。

我成功实现了 pdf2json 以使用 node 从 url 获取和读取 pdf。

但是，Azure 函数是一个异步函数，并在执行 pdfPipe.on("pdfParser_dataReady", pdf => {}) 之前完成执行。

我的实现如下

这在我机器上的节点中运行良好。但我需要将 pdfPipe.on('---', function(){}) 转换为 async 并等待，因为 azure 函数不会等待 pdfPipe 完成。

怎么做？

我正在尝试解析pdf并根据文本格式/装饰对信息进行分类。你建议我怎么做？例如，我有一个重复结构的pdf： S.No. BOLD+UNDERLINED TITLE para

如何根据文本修饰将此数据分类为对象数组：

I tried installing the tabula-js library but since it's a js lib I don't know how to integrate it in angular which works on ts.

Also if not this, then is there any way to select specific parts from a rendered pdf document by coordinates and then use it to extract the data. I basically need to make a pdf to json extraction webapp.

我试过pdf2json：

但它给出了未知单位的尺寸！

以像素为单位的尺寸将帮助我将它们包含在将 pdf 文件转换为图像的 pdf-poppler 模块中，并且它需要以像素为单位的 pdf 文件高度。

首先，我为我糟糕的英语道歉：D

您好，我有以下情况让我很感兴趣，我有一个在 react 中制作的前端和一个在 node 中通过 express 接收请求的后端。这个想法是，我从前端使用 POST 方法发送一个 pdf 文件，后端处理这个文件，进行必要的处理（将页面分成更多文件并在 pdf 中获取数据），最后它返回这些处理过的 pdf . 我想在 POST 响应中返回这些新文件，但我遇到了异步问题。处理文件时，我使用 pfd2Json 库，这个库显然异步处理您选择的 pdf 并让执行流程继续，我的问题是当我发送库来处理我的 pdf 时，它把它放在“后台” “处决仍在继续，

当一个 post 请求到达时，程序执行这个函数“ getPDF() ”

当它执行getInformationsPdf()时，程序执行所有内容，但不等待库处理 pdf。在这种情况下，我将每个单独的文件加载到一个 forEach 中，使用pdfParser.loadPDF(fileLocation); 上传我的pdf，他正在等待pdfParser.on（“pdfParser_dataReady”，pdfData => {}）读取所有内容只是因为这个方法是异步的，它只是调用它并将其置于后台，使流程一直持续到块的末尾并转到下一个 forEach 项目，而 pdf 甚至还没有被处理。最后，所有的 forEach 都已经执行并且 pdf 还没有被处理，程序发送响应并且来自 pdf 的数据在后端。有没有办法让我在发送回复之前强制等待治疗？

我正在使用pdf2json 库来解析 pdf。

它以 json 格式返回解析的数据，我附上了一些示例数据。

需要注意的主要变量是

高度- PAGE_UNITS 中 pdf 的高度

宽度- PAGE_UNITS 中 pdf 的宽度

sw -（字体的空间宽度）在 pd2json 库的 README.md 中定义

索引 1 处的 TS - 以 pt 为单位的字体大小

w - 我的困惑发生在哪里。W 应该代表文本行的宽度。但是，我的文本行的宽度大于页面的宽度，这没有任何意义。

我需要得到文本的长度。我已经尝试过 (文本中的字符数 * sw)/pagewidth 来获取行相对于 pdf.Tp 测试的比率然后我在前端使用该比率在相同 pdf 的图像上绘制具体线路。

但这似乎并没有给我正确的线条长度。通常它太短了。

如果有人可以请帮助，将非常感激。我一直在通过 pd2json 问题寻找类似的东西，但是没有答案，而且图书馆似乎没有得到很好的支持。

我的目标是在预定义文本之后获取某个字符串。在这种情况下，我想阅读以下值：

我发现这可以使用正则表达式，因此我尝试了这个：

我收到我的数组位于位置 1 null 的错误：

无法读取 null 的属性“1”

谢谢

我们需要在 DB 中保存 pdf 内容，为此我们在 node.js 中使用https://www.npmjs.com/package/pdf2json模块，但我们无法运行得到错误这是我的示例代码

在此处输入代码

);

});

收到错误：

loadMetaData 错误：TypeError：无法读取 null 的属性“元数据” loadMetaData 错误：TypeError：无法读取 null 的属性“元数据”

请帮助我谢谢