如何使用JavaScript將PDF檔案轉換為XML格式

PDF文件格式是一種廣泛使用的文件格式，它可以在各種設備和平台上查看並保留文件結構和格式。然而，在某些情況下，我們需要更改或編輯PDF文件中的內容，而PDF文件並不是一個易於編輯或更改的文件格式。因此，將PDF檔案轉換為XML格式將更為方便，因為XML格式易於解析和編輯，並且可以適應各種應用程式環境。

本文將介紹如何使用JavaScript將PDF檔案轉換為XML格式，以及將XML檔案中的資料解析與擷取。

PDF轉XML

步驟 1：取得PDF.js庫

在JavaScript中將PDF檔案轉換為XML文件，我們需要使用PDF.js庫。 PDF.js是一個用於在網路應用程式中呈現PDF檔案的JavaScript庫。可以從其官方網站(http://mozilla.github.io/pdf.js/) 上取得該庫。

步驟 2：建立HTML頁面

我們需要在HTML頁面中引入PDF.js庫檔案和其他必要的JavaScript檔案。

在這個HTML頁面中，我們建立了一個input元素，用來上傳PDF文件，以及兩個div元素，分別用於顯示PDF檔案和轉換後的XML檔案。

步驟 3：建立JavaScript檔案

我們需要建立一個名為pdf2xml.js的JavaScript文件，用於將PDF檔案轉換為XML檔案。

var pdfDoc = null,

pageNum = 1, pageRendering = false, pageNumPending = null, canvas = document.createElement('canvas'), ctx = canvas.getContext('2d');

/**

• 取得頁面文字
  */
  function getPageText(pageNum, textContent) {
  return new Promise(function(resolve, reject) {

  pageRendering = true; pdfDoc.getPage(pageNum).then(function(page) { var viewport = page.getViewport(1.0); canvas.height = viewport.height; canvas.width = viewport.width; var renderContext = { canvasContext: ctx, viewport: viewport }; page.render(renderContext).promise.then(function() { var textLayer = document.createElement('div'); textLayer.setAttribute('class', 'textLayer'); document.getElementById('pdf-holder').appendChild(textLayer); var viewport = page.getViewport(1.0); var textContent = new TextContent(); page.getTextContent({normalizeWhitespace: true }).then(function(content) { textContent = content; var textLayerDiv = document.getElementById('pdf-holder').getElementsByClassName('textLayer')[0]; PDFJS.renderTextLayer({ textContent: textContent, container: textLayerDiv, viewport: viewport, textDivs: [] }); resolve(textContent); }); }); });

  登入後複製

  });
  }

/**

• 取得文字內容區塊
  */
  function getTextBlocks(textContent) {
  var textBlocks = [];

  for (var i = 0; i < textContent.items.length; i ) {

  var item = textContent.items[i]; // 判断是否是文本 if (item.str.trim().length > 0) { var textBlock = { x: item.transform[4], y: item.transform[5], w: item.width, h: item.height, text: item.str }; textBlocks.push(textBlock); }
   
  }
   
  return textBlocks;
  }
   

/**

• 產生XML檔
  */
  function generateXML(textBlocks) {
  var xmlString = '\n\n';

  // 建立XMLWriter
  var xml = new XMLWriter(' ');

  #// 新增XML資料
  xml.beginElement('pages');

  for (var i = 0; i < textBlocks.length; i ) {

   var textBlock = textBlocks[i]; xml.beginElement('page'); xml.writeAttribute('number', pageNum); xml.writeAttribute('x', textBlock.x.toFixed(2)); xml.writeAttribute('y', textBlock.y.toFixed(2)); xml.writeAttribute('width', textBlock.w.toFixed(2)); xml.writeAttribute('height', textBlock.h.toFixed(2)); xml.text(textBlock.text); xml.endElement();

  登入後複製