Extraer Texto de PDF usando JavaScript

Extraer Texto del Documento PDF

Extraer texto del documento PDF es una tarea muy común y útil. Extraer texto de PDFs sirve para una variedad de propósitos, desde mejorar la búsqueda y disponibilidad hasta habilitar el análisis y la automatización de datos en diversos campos como los negocios, la investigación y la gestión de información.

En caso de que desee extraer texto de un documento PDF, puede utilizar la función AsposePdfExtractText. Por favor, consulte el siguiente fragmento de código para extraer texto de un archivo PDF usando JavaScript a través de C++.

1. Crear un ‘FileReader’.

2. Se ejecuta la función AsposePdfExtractText.

3. A continuación, si el ‘json.errorCode’ es 0, entonces puedes obtener enlaces a los archivos resultantes. Si el parámetro ‘json.errorCode’ no es igual a 0 y, en consecuencia, hay un error en tu archivo, entonces la información sobre dicho error se contendrá en el archivo ‘json.errorText’.

    var ffileExtract = function (e) {
        const file_reader = new FileReader();
        file_reader.onload = (event) => {
        /*Extraer texto de un archivo PDF*/
        const json = AsposePdfExtractText(event.target.result, e.target.files[0].name);
        if (json.errorCode == 0) document.getElementById('output').textContent = json.extractText;
        else document.getElementById('output').textContent = json.errorText;
        };
        file_reader.readAsArrayBuffer(e.target.files[0]);
    };

Usando Web Workers

    /*Crear Web Worker*/
    const AsposePDFWebWorker = new Worker("AsposePDFforJS.js");
    AsposePDFWebWorker.onerror = evt => console.log(`Error del Web Worker: ${evt.message}`);
    AsposePDFWebWorker.onmessage = evt => document.getElementById('output').textContent = 
        (evt.data == 'ready') ? '¡cargado!' :
        (evt.data.json.errorCode == 0) ?
            evt.data.json.extractText :
            `Error: ${evt.data.json.errorText}`; 

    /*Manejador de eventos*/
    const ffileExtract = e => {
        const file_reader = new FileReader();
        file_reader.onload = event => {
        /*Extraer texto de un archivo PDF - Preguntar al Web Worker*/
        AsposePDFWebWorker.postMessage(
            { "operation": 'AsposePdfExtractText', "params": [event.target.result, e.target.files[0].name] },
            [event.target.result]
        );
        };
        file_reader.readAsArrayBuffer(e.target.files[0]);
    };