Jak extrahovat data z PDF pomocí JavaScriptu

Portable Document Format (PDF) je standardní formát souborů určený pouze ke čtení, který se často používá na internetu. Pomocí JavaScriptu lze otevřít PDF, přečíst jeho obsah a následně data uložit do databáze, zobrazit na webové stránce nebo upravit další PDF soubor.

Krok 1 – Vytvoření objektu dokumentu

Nejprve vytvoříme objekt, který bude představovat PDF soubor. K tomu použijeme knihovnu jsPDF a přiřadíme jí cestu k souboru:

var doc = new jsPDF('pdffile.pdf');

Krok 2 – Načtení obsahu PDF

Obsah souboru získáme metodou output() objektu doc:

var content = doc.output();

Krok 3 – Odeslání výsledku

Pro kontrolu úspěšnosti můžeme extrahovaný obsah odeslat zpět klientovi. Příklad s knihovnou Jaxer:

Jaxer.response.addHeader('Content-Disposition', 'attachment; filename=pdffile.pdf');
Jaxer.response.addHeader('Content-Type', 'application/pdf');
Jaxer.response.setContents(content);

Tímto způsobem lze data z PDF načíst a dále s nimi pracovat podle potřeby.