pdf2md

用于解析 PDF 文件并将其转换为 Markdown 的 JavaScript npm 库

主要变更

请参阅 版本发布记录]

使用方法

库

const path = require('path');
const fs = require('fs')
const pdf2md = require('@opendocsg/pdf2md')

const pdfBuffer = fs.readFileSync(filePath)
pdf2md(pdfBuffer, callbacks)
  .then(text => {
    let outputFile = allOutputPaths[i] + '.md'
    console.log(`Writing to ${outputFile}...`)
    fs.writeFileSync(path.resolve(outputFile), text)
    console.log('Done.')
  })
  .catch(err => {
    console.error(err)
  })

CLI 工具

$ cd [project_folder]
$ npx @opendocsg/pdf2md --inputFolderPath=[your input folder path] --outputFolderPath=[your output folder path] --recursive

如果您要对大量文件进行递归转换，可能会遇到“分配失败 - JavaScript 堆内存不足”的错误。此时，请运行该命令。

$ node lib/pdf2md-cli.js --max-old-space-size=4096 --inputFolderPath=[your input folder path] --outputFolderPath=[your output folder path] --recursive

选项：

1. 输入文件夹路径（必须存在）
2. 输出文件夹路径（必须存在）
3. 递归处理——转换文件夹内及其子文件夹中的所有 PDF 文件。如需递归处理，请指定标签，否则可省略

致谢

pdf-to-markdown - Johannes Zillmann 创作的原始项目
pdf.js - Mozilla 的 PDF 解析与渲染平台，被用作底层解析器