如何使用javascript检查Docx或PDF文件中的电子邮件

Question

我的问题是我要求用户从网页上传文档，文档可能是pdf格式或docx格式。

我想检查的是文件中是否有任何电子邮件。如果它在那里，那么我必须删除它。

例如abc@xyz.com或abc @ xyz或abcATxyz。

所以我必须在文档中寻找电子邮件存在的所有可能性。我怎么能用jQuery或简单的javascript做到这一点。我正在使用Laravel Framework进行Web应用程序，所以有什么方法/方法可以使用laravel框架或php来检查这个吗？请帮助我!!!我不知道这个......

Answer 1

请注意，DOCX文件是压缩存档。使用正则表达式搜索电子邮件地址不会因压缩而产生任何结果。您需要先解压缩文件，然后搜索相应的XML文件。您可能想要检查Word是否也对XML文件中的电子邮件地址进行编码。在XML文件中找到地址后，您可以保存删除它并使用提取的文件创建新的zip文件。

我不确定如何实施PDF。所以我不能告诉你，如果电子邮件地址在那里写成纯文本。 PHP有几个PDF库，因此您可以检查它们以查看它们是否提供所需的功能。在packagist.org上快速搜索应该为您提供一些替代方案。

Answer 2

您无法使用 Javascript / JQuery 打开文件：前端语言（VB脚本除外）无法访问客户端的读/写文件

您必须在服务器上传文件，在后端对其执行 ReGex 以验证电子邮件的存在，如果是，则接受文件，否则使用PHP删除文件发送带有NOT-ACCEPTED消息的JSON响应

有很多好的正则表达式可以检查邮件，这里有一个例子：

#^[a-z0-9._-]+@[a-z0-9._-]{2,}\.[a-z]{2,4}$#

Answer 3

已经有关于DOCX的答案了，所以让我说对于PDF来说情况完全一样。 PDF文件不是一些可以使用正则表达式搜索的简单文本文件。该文件具有面向对象的格式，几乎任何对象都可以使用各种压缩过滤器进行压缩。最重要的是，页面的实际内容由PostScript-ish格式的运算符组成，文本可以以您的正则表达式找不到的各种方式呈现在页面上。

PDF的唯一解决方案是使用了解PDF格式的库，并使用它从PDF中提取文本或在PDF中搜索（许多库支持可用于您的用例的一个或另一个功能）。