【Node.js】文本与 pdf 的相互转换

pdf 转文本

主要使用 pdf-parse 这个库，直接识别提取我们 pdf 文件中的文字。

const express = require("express");
const fs = require("fs");
const PDFParser = require("pdf-parse");
const cors = require("cors");

const pdfFilePath = "./xxx_实习生.pdf";

const app = express();

// 解决跨域问题
app.use(cors());
app.use(express.static(__dirname));
app.use(express.json());

app.post("/form2pdf", (req, res) => {
  console.log(req.body);
  const str = "";

    // 1. 读取pdf文件
  fs.readFile(pdfFilePath, (err, pdfBuffer) => {
    if (err) {
      console.log(err);
      return;
    }

    PDFParser(pdfBuffer).then((pdfData) => {
      const pages = pdfData.text.split("\n\n");
      console.log(pages);
      let str;
      for (let i = 1; i < pages.length; i++) str = str + pages[i];
      console.log(str);
    });
  });
});

app.listen(3000, () => {
  console.log("Server is running on port 3000");
});

文本转 pdf

主要使用 pdfkit 这个库将文本转为pdf文件。

const express = require("express");
const fs = require("fs");
const cors = require("cors");
const PDFDocument = require("pdfkit");

const app = express();

// 解决跨域问题
app.use(cors());
app.use(express.static(__dirname));
app.use(express.json());

app.post("/form2pdf", (req, res) => {
  console.log(req.body);
  const str = "";
  // 使用 pdfkit 生成pdf

  // 创建 PDF 文档
  const doc = new PDFDocument({
    margin: 50, // 控制上下左右留白
  });

  // 输出到文件
  // 如果有同名的 直接覆盖
  doc.pipe(fs.createWriteStream("output.pdf"));

  // ========== Header ==========
  function addHeader(doc) {
    doc.fontSize(20).text(req.body.name, { align: "center" }).moveDown();
    doc
      .moveTo(50, doc.y) // 从左边开始画横线
      .lineTo(550, doc.y) // 到右边
      .stroke();
    doc.moveDown();
  }

  // ========== Footer ==========
  function addFooter(doc) {
    const range = doc.bufferedPageRange(); // 所有页

    for (let i = range.start; i < range.start + range.count; i++) {
      doc.switchToPage(i);
      doc
        .fontSize(10)
        .fillColor("gray")
        .text(`第 ${i + 1} 页`, 0, doc.page.height - 50, {
          align: "center",
        });
    }
  }

  // ========== Body ==========
  function addBody(doc) {
    doc.fontSize(12);
    doc.text(req.body.name + " " + req.body.sex + " " + req.body.age, {
      align: "left",
      lineGap: 4,
    });
  }

  // 添加内容
  addHeader(doc);
  addBody(doc);

  // 结束前添加 footer（多页也有效）
  doc.end();
  doc.on("end", () => {
    addFooter(doc);
  });

  // 把后端的pdf地址返回给前端
  res.json({
    code: 200,
    data: "http://localhost:3000/output.pdf",
  });
  res.send("PDF generated successfully!");
});

app.listen(3000, () => {
  console.log("Server is running on port 3000");
});

浏览器缓存带来的小问题

之前自己写 demo，遇到一个小问题，可能刚刚入门的小白一时找不到原因，特此记录下：

• 后端生成pdf文件，但是名称都相同（而且由于前端通过 iframe 渲染 pdf 的url 地址，url
  地址也相同）
• 尽管内容不同，但是浏览器发现相同的名称pdf（静态文件），会继续使用缓存，导致后端pdf虽然重新覆盖生成，但是前端浏览器中的 iframe 渲染的 pdf 还是旧的（缓存中的）。

解决方法是：

<iframe :src="url" width="100%" height="1200px"></iframe>

const onSubmit = () => {
  axios.post("http://localhost:3000/form2pdf", form).then((res) => {
    url.value = res.data.data + "?t=" + Date.now();
    console.log(url);
  });
};

添加一个时间戳来阻止浏览器继续使用缓存，以保证每次重新请求都可以渲染最新的pdf 文件数据。

1. 浏览器为什么会缓存 PDF？

静态资源（如 PDF、图片、JS、CSS）默认会被浏览器缓存。
这是因为 Express 的 express.static() 中间件会自动为静态资源设置缓存相关的 HTTP 头（如 Cache-Control），让浏览器下次访问同样的 URL 时直接用本地缓存，加快加载速度、减少服务器压力。

只要 URL 一样，且没有特殊的禁止缓存设置，浏览器就会优先用缓存。

如果在 /form2pdf 路由里加了：

res.setHeader("Cache-Control", 'no-store');

但这个 header 只作用于 /form2pdf 这个接口的响应，对 output.pdf 这个静态文件的响应没有影响。
output.pdf 的响应是由 express.static(__dirname) 处理的，和接口响应头无关。

3. 为什么加参数能解决？

当你访问 output.pdf?t=xxx 时，浏览器认为这是一个全新的资源（即使实际文件一样），所以会重新请求服务器，不会用缓存。

4. 如何让静态 PDF 不被缓存？

可以让 Express 静态资源响应时加上禁止缓存的 header：

app.use(express.static(__dirname, {
  setHeaders: (res, path) => {
    if (path.endsWith('.pdf')) {
      res.setHeader('Cache-Control', 'no-store');
    }
  }
}));

这样浏览器每次都会重新请求 PDF 文件。