无法使用javascript从web url获取文本数据

我需要从web url（）中提取文本数据

我使用了两个节点的模块

1）爬虫程序请求

  it('Read Pdf Data using crawler',function(){
        const crawler = require('crawler-request');
        function response_text_size(response){
            response["size"] = response.text.length;
            return response;
        }
        crawler("http://www.africau.edu/images/default/sample.pdf",response_text_size).then(function(response){
            // handle response

            console.log("Reponse =" + response.size);
        });

    });

对于这种情况，它不会在控制台上打印任何内容

2）pfd2json/pdfparser

it('Read Data from url',function(){
        var request = require('request');
        var pdf = require('pfd2json/pdfparser');
        var fs = require('fs');
        var pdfUrl = "http://www.africau.edu/images/default/sample.pdf";
        let databuffer = fs.readFileSync(pdfUrl);
        pdf(databuffer).then(function(data){
            var arr:Array<String> = data.text;
            var n = arr.includes('Thursday 02 May');
            console.log("Print Array " + n);
        });

    });

it（'从url读取数据'，函数（）{
var请求=要求（“请求”）；
var pdf=require（'pfd2json/pdfparser'）；
var fs=需要（'fs'）；
变量pdfUrl=”http://www.africau.edu/images/default/sample.pdf";
让databuffer=fs.readFileSync（pdfUrl）；
pdf（数据缓冲）。然后（函数（数据）{
var arr:Array=data.text；
var n=包括（“5月2日星期四”）；
console.log（“打印数组”+n）；
});
});

• 失败：enoint:没有此类文件或目录，打开“”

---

我可以从本地路径访问数据，但无法从url提取数据。

这里的问题是，您正在使用

fs

模块（文件系统）读取远程服务器上的文件

您还错误地输入了

pdf2json

模块，这会给您带来一个错误吗

您确实需要

请求

模块。此模块将使访问远程文件成为可能。有一种方法可以做到这一点：

it('Read Data from url', function () {
    var request = require('request');
    var PDFParser = require('pdf2json');

    var pdfUrl = 'http://unec.edu.az/application/uploads/2014/12/pdf-sample.pdf';

    var pdfParser = new PDFParser(this, 1);

    // executed if the parser fails for any reason
    pdfParser.on("pdfParser_dataError", errData => console.error(errData.parserError));
    // executed when the parser finished
    pdfParser.on("pdfParser_dataReady", pdfData => console.log(pdfParser.getRawTextContent()));

    // request to get the pdf's file content then call the pdf parser on the retrieved buffer
    request({ url: pdfUrl, encoding: null }, (error, response, body) => pdfParser.parseBuffer(body));
});

这将使在程序中加载远程.pdf文件成为可能

---

如果你想做得更多，我建议你看看。当解析器完成读取数据时，这将只输出.pdf文件的文本内容。

我如何从该pdf中获取所有文本？@sailxor我需要做什么？我需要console.log中该pdf中的所有文本。我如何打印该文本？@dhrusoni我已更新了我的答案。这将简单地将pdf文件内容记录在控制台中。如果你想对这个模块做更多的工作，你应该看看文档：）它没有在console.log上打印任何东西，它只是通过了所有的测试用例。我编辑了我的代码，我只是把console.log放在最后一行，它工作得很好。。。