Cum se extrag date dintr-un fișier PDF folosind JavaScript

Introducere

PDF (Portable Document Format) este un format de fișier popular pentru documentele digitale. Pentru a extrage conținutul unui PDF în aplicații web, JavaScript oferă diverse biblioteci, cea mai cunoscută fiind pdf.js. Această bibliotecă permite încărcarea și parcurgerea paginilor unui PDF direct în browser, fără a fi nevoie de aplicații externe.

Pasul 1: Încarcă biblioteca pdf.js

În primul rând, adaugă pdf.js în proiectul tău. Poți face acest lucru fie descărcând fișierele de pe site-ul oficial, fie includând CDN-ul:

<script src="https://cdnjs.cloudflare.com/ajax/libs/pdf.js/3.10.996/pdf.min.js"></script>

Pasul 2: Încarcă fișierul PDF

Utilizăm funcția pdfjsLib.getDocument pentru a obține un obiect pdfDocument care reprezintă fișierul PDF încărcat. De obicei, PDF-ul poate fi încărcat de la un URL sau de la un input de tip file.

pdfjsLib.getDocument('pdf-file.pdf').promise.then(function(pdf) { console.log('PDF încărcat cu succes', pdf); // Accesăm pagina 1 pdf.getPage(1).then(function(page) { console.log('Pagina 1 încărcată', page); // Extragem textul din pagină page.getTextContent().then(function(text) { console.log('Textul paginii:', text.items.map(i => i.str).join(' ')); }); }); });

Pasul 3: Procesarea datelor

După ce ai extras textul, îl poți stoca într-o bază de date, afișa pe pagină sau transforma într-un alt PDF. Pentru a trimite datele către server, poți utiliza fetch sau XMLHttpRequest:

fetch('/api/save', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify({ content: extractedText }) });

Pasul 4: Exportarea unui PDF modificat

Dacă vrei să creezi un nou PDF cu datele extrase, poți folosi jsPDF:

const doc = new jsPDF(); doc.text(extractedText, 10, 20); doc.save('output.pdf');

Notă importantă

Biblioteca pdf.js este destinată doar citirii PDF-urilor. Pentru scrierea de PDF-uri, folosește jsPDF sau alte librării specializate.

Concluzie

Prin combinarea pdf.js pentru citire și jsPDF pentru scriere, poți crea aplicații web complete care extrag și generează fișiere PDF direct din browser, facilitând automatizarea proceselor documentale.