Javascript PDFJS:无效的PDF结构

我正试图使用

pdf.js

从pdf文档中提取纯文本，由于某种原因，我无法通过

无效的pdf结构

错误

我的代码如下：

const pdfjslib = require('pdfjs-dist');

const pdfPath = 'https://www.corenet.gov.sg/media/2268607/dc19-07.pdf'

var loadingTask = pdfjslib.getDocument(pdfPath);
loadingTask.promise.then(async (doc) => {
    console.log(doc);
    return null
})
.catch((err)=>{
    console.log(err)
});

我尝试了来自同一域的其他pdf文档，但都抛出了相同的错误：

...
Warning: Ignoring invalid character "34" in hex string
Warning: Ignoring invalid character "104" in hex string
Warning: Indexing all PDF objects
{ Error
    at InvalidPDFExceptionClosure (.../pdf_test/node_modules/pdfjs-dist/build/pdf.js:658:35)
    at Object.<anonymous> (...pdf_test/node_modules/pdfjs-dist/build/pdf.js:661:2)
    at __w_pdfjs_require__ (.../pdf_test/node_modules/pdfjs-dist/build/pdf.js:52:30)
    at Object.defineProperty.value (...pdf_test/node_modules/pdfjs-dist/build/pdf.js:129:23)
    at __w_pdfjs_require__ (.../pdf_test/node_modules/pdfjs-dist/build/pdf.js:52:30)
    at pdfjsVersion (...pdf_test/node_modules/pdfjs-dist/build/pdf.js:116:18)
    at .../pdf_test/node_modules/pdfjs-dist/build/pdf.js:119:10
    at webpackUniversalModuleDefinition (.../pdf_test/node_modules/pdfjs-dist/build/pdf.js:25:20)
    at Object.<anonymous> (.../pdf_test/node_modules/pdfjs-dist/build/pdf.js:32:3)
    at Module._compile (internal/modules/cjs/loader.js:776:30)
  name: 'InvalidPDFException',
  message: 'Invalid PDF structure' }

。。。
警告：忽略十六进制字符串中的无效字符“34”
警告：忽略十六进制字符串中的无效字符“104”
警告：索引所有PDF对象
{错误
在InvalidPDExceptionClosure（…/pdf_test/node_modules/pdfjs dist/build/pdf.js:658:35）
在对象上。（…pdf_test/node_modules/pdfjs dist/build/pdf.js:661:2）
在uuu w_pdfjs_uuurequire_uuuuuu（…/pdf\u test/node\u modules/pdfjs dist/build/pdf.js:52:30）
在Object.defineProperty.value（…pdf_test/node_modules/pdfjs dist/build/pdf.js:129:23）
在uuu w_pdfjs_uuurequire_uuuuuu（…/pdf\u test/node\u modules/pdfjs dist/build/pdf.js:52:30）
在pdfjsVersion（…pdf_test/node_modules/pdfjs dist/build/pdf.js:116:18）
在…/pdf\u test/node\u modules/pdfjs dist/build/pdf.js:119:10
在webpackUniversalModuleDefinition（…/pdf_test/node_modules/pdfjs dist/build/pdf.js:25:20）
在对象上。（…/pdf\u test/node\u modules/pdfjs dist/build/pdf.js:32:3）
at模块编译（内部/modules/cjs/loader.js:776:30）
名称：“InvalidPDException”，
消息：“无效的PDF结构”}

---

来自其他领域的其他PDF似乎可以工作。请注意，从上述域下载pdf效果良好，可以在Chrome浏览器上查看。我怀疑pdf文档是否已损坏。我没有实现任何前端代码，因为上面代码的目的是将其托管在云上。

此答案有一个用于提取数据的替代脚本，您可以尝试使用它-可能是您下载PDF的网站会检查请求标题。你能用chrome下载PDF并在本地加载吗？@Cr4xy是的，我可以下载PDF并在本地加载。它正确加载和提取纯文本。如果请求标题是“问题”，你知道我如何在不下载pdf的情况下绕过它吗？你可以尝试用chrome开发工具复制你能找到的所有标题，并将它们添加到getDocument中，比如@Cr4xy我尝试复制所有标题并将它们添加到

httpHeaders

。然而，要使其正常工作，需要添加的关键标题似乎是

cookies

标题。这是预期的吗？