Question

我正在尝试从nodejs脚本上的PDF文件中获取信息。

执行程序时出现此错误。

Error: stream must have data
at error (eval at <anonymous> (/Users/.../node_modules/pdf2json/lib/pdf.js:60:6), <anonymous>:193:7)
....

以下是代码：

http.get(url_Of_Pdf_File, function(res) {
    var body = '';
    res.on('data', function (chunk) {
        body += chunk;
    });
    res.on('end', function() {
        // Here body have the pdf content
        pdf2table.parse(body, function (err, rows, rowsdebug) { // <-- Conflict
            // Code fail executing the previous line
            if(err) return console.log(err);
            toMyFormat(rows, function(data){
                console.log(JSON.stringify(data,null," "));
            });
        });
    });
});

我不确定为什么代码不起作用，因为如果我下载PDF文件然后使用'http.request'方法而不是使用'fs.readFile'方法获取该代码之前的代码。< / p>

fs.readFile(pdf_file_path, function (err, buffer) {
    if (err) return console.log(err);
    pdf2table.parse(buffer, function (err, rows, rowsdebug) {
        if(err) return console.log(err);
        console.timeEnd("Processing time");
        toMyFormat(rows, function(data){
            output(JSON.stringify(rows, null, " "));
        });
    });
});

我的问题是：

两个样本中“body”和“buffer”的内容有什么区别？

Answer 1

在第一个示例中，chunk是缓冲区，您通过添加空体''将其转换为utf8字符串。当您使用字符串添加缓冲区时，它将转换为utf8并且原始数据将丢失。

试试这个：

var chunks = [];
res.on('data', function (chunk) {
    chunks.push(chunk)
});
res.on('end', function() {
    // Here body have the pdf content
    pdf2table.parse(Buffer.concat(chunks), function (err, rows, rowsdebug) {
       //...
    });
});

pdf2json从http请求传递pdf失败

1 个答案: