PDF դեպի Word անվճար

Ինչպես է այն աշխատում

Այս գործիքը PDF-ները Word փաստաթղթերի է փոխարկում ամբողջովին ձեր դիտարկիչում՝ օգտագործելով երկու JavaScript գրադարան. pdfjs-dist-ը հանում է տեքստը ամեն էջից, և docx գրադարանը հավաքում է ճիշտ կառուցված .docx ֆայլ — ոչ մի կետում սերվեր ներգրավված չէ։

1. 1
   pdfjs-dist-ը վերլուծում է PDF-ը

   PDF-ը կարդացվում է որպես ArrayBuffer և հանձնվում է pdfjs-dist-ին (v5.6.205), որը ֆայլը տեղում մշակում է Web Worker-ով։ Այն անցնում է ամեն էջով և կանչում է getTextContent()՝ PDF-ի բովանդակության հոսքում ներդրված հում տեքստային իրերը ստանալու համար։
2. 2
   Y-կոորդինատի էվրիստիկան վերակառուցում է տողերը

   PDF տեքստային իրերը «տողերի» հասկացություն չունեն — դրանք դիրքավորված են բացարձակ կոորդինատներով։ Գործիքը համեմատում է ամեն իրի Y դիրքը նախորդի հետ. եթե տարբերությունը գերազանցում է տեքստի բարձրության կեսը, նոր տող է ներարկվում։ Սա ընթեռնելի պարբերություններ է վերակառուցում ցածր-մակարդակի գլիֆային տվյալներից։
3. 3
   docx գրադարանը կառուցում է Word ֆայլը

   docx գրադարանը կառուցում է փաստաթուղթը․ կտրված տողերը միացվում են պարբերությունների, հիմնական տեքստից հստակորեն մեծ տեքստը դառնում է Վերնագիր 1 կամ Վերնագիր 2, իսկ հավասարեցված սյունակները՝ աղյուսակներ։ Յուրաքանչյուր էջից առաջ «Page N» վերնագիրը ըստ ցանկության է։ Packer.toBlob()-ը փաստաթղթի ծառը սերիալիզացնում է վավեր .docx երկուական ֆայլի։
4. 4
   Ներբեռնում և ընտրովի պարզ-տեքստ արտահանում

   Ավարտված .docx Blob-ը առաջարկվում է ներբեռնման համար սկզբնական ֆայլանունով։ Պարզ-տեքստի նախադիտումը (էկրանին սահմանափակված 8,000 նիշով) թույլ է տալիս ստուգել հանված բովանդակությունը մինչև ներբեռնելը, և առանձին .txt արտահանում հասանելի է, եթե ձեզ պետք է միայն հում տեքստը։

Առնչվող գործիքներ