PDF JavaScript 搜索文本 - Javascript

在使用PDF文件时，我们经常需要搜索其中的文本。使用JavaScript可以使这个过程非常简单。下面介绍如何使用JavaScript在PDF文件中搜索文本。

快速开始

以下是搜索文本的示例代码：

function searchText(searchString, pageNumber) {
  let matches = [];
  for (let i = 1; i <= this.numPages; i++) {
    if (pageNumber && pageNumber !== i) {
      continue;
    }
    this.getPage(i).then((page) => {
      page.getTextContent().then((textContent) => {
        const pageMatches = searchTextContent(searchString, textContent.items);
        if (pageMatches.length > 0) {
          matches = matches.concat(pageMatches);
        }
      });
    });
  }
  return matches;
}

function searchTextContent(searchString, items) {
  let matches = [];
  for (let i = 0; i < items.length; i++) {
    const item = items[i];
    if (item.str.includes(searchString)) {
      matches.push({
        text: item.str,
        pageNo: item.pageNumber,
        xMin: item.transform[4],
        yMin: item.transform[5],
        xMax: item.width * item.transform[0] + item.transform[4],
        yMax: item.height * item.transform[3] + item.transform[5],
      });
    }
  }
  return matches;
}

该代码会返回一个对象数组，每个对象都包含以下信息：

• 文本内容
• 页面号码
• 文本内容的x和y坐标（左下角和右上角）

使用方法

上述代码是使用PDF.js库编写的，此库允许我们使用JavaScript与PDF文件交互。要使用该代码，请按照以下步骤操作：

1. 获得需要搜索的文本内容并传入searchText函数中。
2. 选择搜索整个文件或特定页，如果要搜索特定页，请将页数作为第二个参数传入searchText函数中。
3. 调用searchText函数，它会返回包含所有匹配项的对象数组。

注释

以下是有关上述代码中使用的某些功能的注释：

• getPage(i) 返回pdf文档中指定的页码
• getTextContent() 返回文本内容和位置的数组
• item.transform[4] 是该项目的左下角的x坐标
• item.transform[5] 是该项目的左下角的y坐标
• item.width * item.transform[0] + item.transform[4] 是该项目的右上角的x坐标
• item.height * item.transform[3] + item.transform[5] 是该项目的右上角的y坐标

小结

在使用JavaScript搜索PDF文件中的文本时，我们可以使用PDF.js库。通过使用getTextContent函数，我们可以获得页面上的文本内容和位置。然后我们可以选择想要搜索的页面并使用JavaScript查找所有匹配项。最后，我们可以使用对象数组将匹配项返回给用户。