PDF si Ọrọ Ọ̀fẹ́

Bí Ó Ṣe Ń Ṣiṣẹ́

Irinṣẹ́ yìí ń yí àwọn PDF padà sí àwọn ìwé Word pátápátá nínú aṣàwákiri rẹ ní lílo ìwé-ìṣirò JavaScript méjì: pdfjs-dist ń yọ ọ̀rọ̀ jáde láti ojú-ìwé kọ̀ọ̀kan, ìwé-ìṣirò docx sì ń kó fáìlì .docx tí a ṣe ìtòlẹ́sẹẹsẹ rẹ̀ dáadáa papọ̀ — kò sí sáfà tí ó kàn ní àkókò èyíkéyìí.

1. 1
   pdfjs-dist ń pín PDF náà

   A ń ka PDF náà gẹ́gẹ́ bí ArrayBuffer tí a sì fi fún pdfjs-dist (v5.6.205), èyí tí ó ń ṣiṣẹ́ fáìlì náà ládùúgbò ní lílo Web Worker kan. Ó ń rìn kiri ojú-ìwé kọ̀ọ̀kan tí ó sì ń pe getTextContent() láti gba àwọn ohun ọ̀rọ̀ gan-an tí a fi bọ̀ nínú ìṣàn àkóónú PDF náà.
2. 2
   Ìṣírò-àfojúsùn Y-coordinate ń tún àwọn ìlà kọ́

   Àwọn ohun ọ̀rọ̀ PDF kò ní èrò 'àwọn ìlà' — a fi wọ́n sí ipò nípasẹ̀ àwọn ìdí pípé. Irinṣẹ́ náà ń fi ipò Y ohun kọ̀ọ̀kan wé èyí tí ó ṣáájú: bí àyè náà bá ju ìdàjì gíga ọ̀rọ̀ náà lọ, a ń fi ìlà tuntun kan sí i. Èyí ń tún àwọn ìpínrọ̀ tí a lè kà kọ́ láti inú dátà glyph ìpele-kékeré náà.
3. 3
   Ìwé-ìṣirò docx ń kó fáìlì Word náà

   Ojú-ìwé PDF kọ̀ọ̀kan ń di apá kan nínú ohun Document tí ìwé-ìṣirò docx ṣẹ̀dá. Àwọn ìlà ń di nodes Paragraph pẹ̀lú àwọn ọmọ TextRun, àkọlé Heading 2 kan sì ń pe ojú-ìwé kọ̀ọ̀kan. Packer.toBlob() ń serialize igi ìwé tí ó wà nínú ìrántí náà sí binary .docx tí ó tọ́.
4. 4
   Gbígbà àti gbígbé ọ̀rọ̀-lásán jáde yíyàn

   A ń fún Blob .docx tí ó parí náà fún gbígbà pẹ̀lú orúkọ fáìlì ìpilẹ̀ṣẹ̀ náà. Àkíyèsí ọ̀rọ̀-lásán kan (tí a dá sí àmì 8,000 lórí ìfihàn) ń jẹ́ kí o fọwọ́sí àkóónú tí a yọ jáde kí o tó gbà á, gbígbé jáde .txt ọ̀tọ̀ kan sì wà bí o bá nílò ọ̀rọ̀ gan-an nìkan.

Àwọn Irinṣẹ Tó Jọra