vue3项目使用pdf.js插件实现：搜索高亮、修改pdf.js显示的页码、向pdf.js传值、控制搜索、处理接口文件流

文章目录

一、pdf.js介绍

官网地址：http://mozilla.github.io/pdf.js/
中文文档地址：https://gitcode.gitcode.host/docs-cn/pdf.js-docs-cn/print.html
在这里插入图片描述

PDF.js是基于HTML5技术构建的，用于展示可移植文档格式的文件(PDF)，它可以在现代浏览器中使用且无需安装任何第三方插件。

pdf.js主要包含两个库文件

pdf.js:负责API解析
pdf.worker.js:负责核心解析

二、实现pdf预览的两种方式

1、使用viewer.html

viewer.html主要分为三层：outerContainer层、printContainer层(该层目前为空)、xl-chrome-ext-bar层、fileInput域。

从官网下载pdf.js包
下载地址：https://mozilla.github.io/pdf.js/getting_started/#download
引入pdf.js包
可将pdf.js包放到服务器上如：http://xxxx:8080/static/pdfjs
也可将pdf.js包直接解压在public文件夹下

pdf.js包的目录结构

│   ├── pdf.js                             - 显示层
│   ├── pdf.js.map                         - 显示层source map
│   ├── pdf.worker.js                      - 核心层
│   └── pdf.worker.js.map                  - 核心层source map
├── web/
│   ├── cmaps/                             - character maps (required by core)
│   ├── compressed.tracemonkey-pldi-09.pdf - PDF文件，用于测试目的
│   ├── debugger.js                        - 用于debug
│   ├── images/                            - 图标
│   ├── locale/                            - 本地化文件
│   ├── viewer.css                         - 样式
│   ├── viewer.html                        - 用于展示的html文件
│   ├── viewer.js                          - 展示层
│   └── viewer.js.map                      - 展示层source map
└── LICENSE

使用iframe标签显示pdf

1)若pdf.js包及pdf文件都在服务器上部署

<iframe :src="url" width="100%" height="100%" frameborder="0"></iframe>

pdfServerUrl = 'http://xxxx:8080/static/pdfjs/web/viewer.html'
pdfInfoUrl = 'http://xxxx:8080/XXX/getClausePdf?Code=1234' 
url = `${
      
      pdfServerUrl}?file=${
      
      encodeURIComponent(pdfInfoUrl)}`  // 调取接口返回文件流

2)若pdf.js包及pdf文件都在本地

<iframe :src="`/PDF.js/web/viewer.html?file=${pdf}` width="100%" height="100%" frameborder="0"></iframe>

<script>
	import pdf from '/images/file/11.pdf'
</script>

注：

此方法可以实现pdf的预览、全文搜索、搜索内容高亮展示、文本复制的功能

2、将PDF文件渲染成Canvas

安装

pnpm i pdfjs-dist  // "pdfjs-dist": "^3.5.141"

在vue页面

<template>
  <div id="pdf-container">
      <canvas v-for="page in state.pdfPages" :key="page" :id="`pdfCanvas${page}`" style="border-bottom:1px solid #d4d2d2" />
  </div>
</template>

import * as PDF from 'pdfjs-dist'
const pdfjsWorker = import('pdfjs-dist/build/pdf.worker.entry')
PDF.GlobalWorkerOptions.workerSrc = pdfjsWorker
import pdf from '/images/file/11.pdf'

const state = reactive<any>({
    
    
  pdfPath: pdf, // 本地PDF文件路径放在/public中
  pdfPages: '', // 页数
  pdfWidth: '', // 宽度
  pdfSrc: '', // 地址
  pdfScale: 1.0, // 放大倍数
})
let pdfDoc: any = null
onMounted(() => {
    
    
  loadFile(state.pdfPath)
})
function loadFile(url: string) {
    
    
  PDF.getDocument(url).promise.then((p: any) => {
    
    
    pdfDoc = p
    const {
    
     numPages } = p
    state.pdfPages = numPages
    nextTick(() => {
    
    
      renderPage(1) // 从第一页开始渲染
    })
  })
}
function renderPage(num: number) {
    
    
  pdfDoc.getPage(num).then((page: any) => {
    
    
    const canvas: any = document.getElementById(`pdfCanvas${
      
      num}`)
    const ctx = canvas.getContext('2d')
    const dpr = window.devicePixelRatio || 1
    const bsr
        = ctx.webkitBackingStorePixelRatio
        || ctx.mozBackingStorePixelRatio
        || ctx.msBackingStorePixelRatio
        || ctx.oBackingStorePixelRatio
        || ctx.backingStorePixelRatio
        || 1
    const ratio = dpr / bsr
    const viewport = page.getViewport({
    
     scale: state.pdfScale })
    canvas.width = viewport.width * ratio
    canvas.height = viewport.height * ratio
    canvas.style.width = '100%'
    canvas.style.height = '100%'
    state.pdfWidth = `${
      
      viewport.width}px`
    ctx.setTransform(ratio, 0, 0, ratio, 0, 0)
    // 将 PDF 页面渲染到 canvas 上下文中
    const renderContext = {
    
    
      canvasContext: ctx,
      viewport,
    }
    page.render(renderContext)
    if (state.pdfPages > num)
      renderPage(num + 1)
  })
}

注：

此代码只能实现pdf预览功能，如果要文本复制，要使用Text-Layers渲染

使用到的函数解读

getDocument()：用于异步获取PDf文档，发送多个Ajax请求以块的形式下载文档。它返回一个Promise，该Promise的成功回调传递一个对象，该对象包含PDF文档的信息，该回调中的代码将在完成PDf文档获取时执行。
getPage()：用于获取PDF文档中的各个页面。
getViewport()：针对提供的展示比例，返回PDf文档的页面尺寸。
render()：渲染PDF。

如果要文本复制，需要将page.render(renderContext)修改为以下代码：

// 要引入组件
import * as pdfjsViewer from 'pdfjs-dist/web/pdf_viewer.js'
import 'pdfjs-dist/web/pdf_viewer.css'
page.render(renderContext).then(() => {
    
    
    return page.getTextContent();
}).then((textContent) => {
    
    
    // 创建文本图层div
    const textLayerDiv = document.createElement('div');
    textLayerDiv.setAttribute('class', 'textLayer');
    // 将文本图层div添加至每页pdf的div中
    pageDiv.appendChild(textLayerDiv);
    // 创建新的TextLayerBuilder实例
    var textLayer = new TextLayerBuilder({
    
    
        textLayerDiv: textLayerDiv,
        pageIndex: page.pageIndex,
        viewport: viewport
    });  
    textLayer.setTextContent(textContent); 
    textLayer.render();
});

重点函数解读：

page.render()：该函数返回一个当PDF页面成功渲染到界面上时解析的promise，我们可以使用成功回调来渲染文本图层。
page.getTextContent()：该函数的成功回调会返回PDF页面上的文本片段。
TextLayerBuilder：该类的实例有两个重要的方法。setTextContent()用于设置page.getTextContent()函数返回的文本片段；render()用于渲染文本图层。

三、viewer.js的使用形势下的一些方法及技巧

1、实现外部操作跳转到具体的某一页

法1）、修改viewer.js源码，添加一个可供页面跳转的参数page

<iframe :src="`/PDF.js/web/viewer.html?file=${pdf}&page=${pageNum}`` width="100%" height="100%" frameborder="0"></iframe>

<script>
	import pdf from '/images/file/11.pdf'
	const pageNum = 1
</script>

缺点：每次跳转的时候pdf会重新加载一遍，然后跳到对应的位置

法2）、修改pdf.js里面的页码

const pdfFrame = document.getElementById('myIframe').contentWindow
pdfFrame.PDFViewerApplication.page = 10  // 传入需要让跳转的值

根据pdf.js内置函数，可直接修改当前页面，没有太大的跳动，解决了上面方法的缺点

2、获取pdf.js里面的页码

pdf.js内置的page属性把动态的当前页码导出
在这里插入图片描述

onMounted(() => {
    
    
  interval.value = setInterval(checkPdf, 300)
})
const checkPdf = () => {
    
    
  const pdfFrame = document.getElementById('myIframe').contentWindow
  currentPage.value = pdfFrame.PDFViewerApplication.page
}

注：
在这里插入图片描述

3、根据pdf.js内置的postMessage函数、findBar函数实现外部文本的搜索

 <a-button @click="getTextHighLight">
    点击获取文本位置
</a-button>
const getTextHighLight= () => {
    
    
  const iframe = document.getElementById('myIframe')
  iframe.contentWindow.postMessage('经依法审查查明：', '*')
  iframe.contentWindow.addEventListener('message', (e) => {
    
    
    iframe.contentWindow.PDFViewerApplication.findBar.findField.value = e.data
    iframe.contentWindow.PDFViewerApplication.findBar.highlightAll.checked = true    iframe.contentWindow.PDFViewerApplication.findBar.dispatchEvent('highlightallchange')
  }, false)
iframe.contentWindow.PDFViewerApplication.pagesCount)
}

4、在pdfjs-3.7.107-dist版本中，给pdf.js传参的处理

①在全局同样的位置添加三个参数：pageRangeStart, pageRangeEnd, this.isPageRange，在class PDFFindController中增加
在这里插入图片描述
在其它地方要获取到pageRangeStart， pageRangeEnd的值

②、在setInitialView是从外部iframe中获取参数

  var c_url=window.location.href;
  if(c_url.indexOf("&")&&c_url.indexOf("=")){
    
    
    var c_urlArray={
    
    }
    var c_val=c_url.split('?')[1];
    var c_valArray=c_val.split('&');
    for(let i=0;i<c_valArray.length;i++){
    
    
      let c_key=c_valArray[i].split('=')[0];
      let c_value=c_valArray[i].split('=')[1];
      c_urlArray[c_key]=c_value;
    }
    if(c_urlArray['pageRangeStart']){
    
    
      this.pageRangeStart = Number(c_urlArray['pageRangeStart'])
      PDFViewerApplication.findController.pageRangeStart = this.pageRangeStart
    }
    if(c_urlArray['pageRangeEnd']){
    
    
      this.pageRangeEnd =  Number(c_urlArray['pageRangeEnd'])
      PDFViewerApplication.findController.pageRangeEnd = this.pageRangeEnd
    }     
    if(this.pageRangeStart!==0 && this.pageRangeEnd!==0){
    
                  
      PDFViewerApplication.findController.isPageRange = true
    }
  }

关于页码索引的几个值

_offset：{
    
    
    matchIdx: null
    pageIdx: 29
    wrapped: false
}
_resumePageIdx: null  ,基本都是null
_selected: {
    
    
    matchIdx: -1
    pageIdx: -1
}
_pageMatches : 页面所有匹配搜索的内容，是个数组
this._linkService：{
    
    
    page: 50
    pagesCount: 66
    rotation: 0
}
_linkService 的page控制页码显示 影响 _offset 
【currentPage.value = pdfFrame.PDFViewerApplication.page】

5、在pdfjs-3.7.107-dist版本中，修改convertToRegExpString方法，更换匹配方法（可匹配到带有空格的文档）

原码

 #convertToRegExpString(query, hasDiacritics) {
    
    
      const {
    
    
        matchDiacritics
      } = this.#state;
      let isUnicode = false;
      query = query.replaceAll(SPECIAL_CHARS_REG_EXP, (match, p1, p2, p3, p4, p5) => {
    
    
        if (p1) {
    
    
          return `[ ]*\\${
      
      p1}[ ]*`;
        }
        if (p2) {
    
    
          return `[ ]*${
      
      p2}[ ]*`;
        }
        if (p3) {
    
    
          return "[ ]+";
        }
        if (matchDiacritics) {
    
    
          return p4 || p5;
        }
        if (p4) {
    
    
          return DIACRITICS_EXCEPTION.has(p4.charCodeAt(0)) ? p4 : "";
        }
        if (hasDiacritics) {
    
    
          isUnicode = true;
          return `${
      
      p5}\\p{M}*`;
        }
        return p5;
      });
      const trailingSpaces = "[ ]*";
      if (query.endsWith(trailingSpaces)) {
    
    
        query = query.slice(0, query.length - trailingSpaces.length);
      }
      if (matchDiacritics) {
    
    
        if (hasDiacritics) {
    
    
          DIACRITICS_EXCEPTION_STR ||= String.fromCharCode(...DIACRITICS_EXCEPTION);
          isUnicode = true;
          query = `${
      
      query}(?=[${
      
      DIACRITICS_EXCEPTION_STR}]|[^\\p{M}]|$)`;
        }
      }
      return [isUnicode, query];
    }

修改后：

 #convertToRegExpStringWL(query, hasDiacritics) {
    
    
      const {
    
    
        matchDiacritics
      } = this.#state;
      let isUnicode = false;
  
      // const SPECIAL_CHARS_REG_EXP = /([.*+?^${}()|[\]\\])|(\p{P})|(\s+)|(\p{M})|(\p{L})/gu;
      const SPECIAL_CHARS_REG_EXP_wl = /([.*+?^${}()|[\]\\])|(\p{P})|(\s+)|(\p{M})|(\p{L})/gu;
      // 匹配文本中的特殊字符、标点符号、空格、语言符号和字母的。
      // [.*+?^${}()|[\]\\]匹配特殊字符  其中，.表示匹配任意字符，*表示匹配前面的字符0次或多次，+表示匹配前面的字符1次或多次，?表示匹配前面的字符0次或1次，^表示匹配字符串的开头，$表示匹配字符串的结尾，{和}表示匹配前面的字符指定的次数，()表示分组，|表示或，[和]表示字符集，\表示转义字符。 
      //其中，\p{P}表示标点符号，\s表示空格，\p{M}表示语言符号，\p{L}表示字母。
      query = query.replaceAll(SPECIAL_CHARS_REG_EXP_wl,(match, p1, p2, p3, p4, p5)=>{
    
    
        // return `${match}\\s*`
        if (p1) {
    
    
          return `[ ]*\\${
      
      p1}[ ]*`;
        }
        if (p2) {
    
    
          return `[ ]*${
      
      p2}[ ]*`;
        }
        if (p3) {
    
    
          return "[ ]+";
        }
        if (matchDiacritics) {
    
    
          return p4 || p5;
        }
        if (p4) {
    
    
          return DIACRITICS_EXCEPTION.has(p4.charCodeAt(0)) ? p4 : "";
        }
        if (hasDiacritics) {
    
    
          isUnicode = true;
          return `${
      
      p5}\\p{M}*`;
        }
        return `${
      
      match}\\s*`;
      })
      const trailingSpaces = "[ ]*";
      if (query.endsWith(trailingSpaces)) {
    
    
        query = query.slice(0, query.length - trailingSpaces.length);
      }
      if (matchDiacritics) {
    
    
        if (hasDiacritics) {
    
    
          DIACRITICS_EXCEPTION_STR ||= String.fromCharCode(...DIACRITICS_EXCEPTION);
          isUnicode = true;
          query = `${
      
      query}(?=[${
      
      DIACRITICS_EXCEPTION_STR}]|[^\\p{M}]|$)`;
        }
      }
  
      return [isUnicode, query];
    }

6、如果后端返回的是流的形式，就用此方法转一下

<iframe id="myIframe" width="100%" height="100%" :src="`${serverUrl}?file=${pdfUrl}`" frameborder="0" />
  pdfFile('44.pdf').then((res) => {
    
    
    pdfUrl.value = getObjectURL(res)
  })
/**
 * 流转成url
 */
 getObjectURL(file) {
    
    
    let url = null
    if (window.createObjectURL !== undefined) {
    
     // basic
      url = window.createObjectURL(file)
    } else if (window.webkitURL !== undefined) {
    
     // webkit or chrome
        try {
    
    
          url = window.webkitURL.createObjectURL(file)
        } catch (error) {
    
    
          console.log(error)
        }
    } else if (window.URL !== undefined) {
    
     // mozilla(firefox)
        try {
    
    
          url = window.URL.createObjectURL(file)
        } catch (error) {
    
    
          console.log(error)
        }
    }
      return url
    },

此方法可以将接口返回的流的形式转成，可用的本地的pdf文件的链接地址

7、下载

fileDownload() {
    
    
     if (this.src) {
    
    
       var tempLink = document.createElement('a')
       tempLink.style.display = 'none'
       tempLink.href = this.PDF // 解析好的地址
       tempLink.setAttribute('download', this.fileName)
       if (typeof tempLink.download === 'undefined') {
    
    
         tempLink.setAttribute('target', '_blank')
       }
       document.body.appendChild(tempLink)
       tempLink.click()
       document.body.removeChild(tempLink)
       window.URL.revokeObjectURL(this.PDF)
     } else {
    
    
       this.$message.error('请选择需要导出的算法')
     }
   },

四、原理

首先底图是一个Canvas，内容和PDF一样（通过下面介绍的 page.render 方法可以得到），底图之上是一个textLayer，这一层就是通过 page.getTextContent() 得到了字体的位置和样式，再覆盖在 Canvas 上。

//Add this piece of code to webViewerInitialized function in viewer.js
if ('search' in params) {
    
    
    searchPDF(params['search']);
}

//New function in viewer.js
function searchPDF(td_text) {
    
    
    PDFViewerApplication.findBar.open();
    PDFViewerApplication.findBar.findField.value = td_text;
    PDFViewerApplication.findBar.caseSensitive.checked = true;
    PDFViewerApplication.findBar.highlightAll.checked = true;
    PDFViewerApplication.findBar.findNextButton.click();
    PDFViewerApplication.findBar.close();
}

#extractText()方法：
这个方法的功能为将pdf文件的所有文本提取出来，按页保存在PDFFindController._pageContents[]中；这个方法提取出来的文本会用于之后的查找。

#nextMatch()方法

_nextMatch() {
    
    
    const previous = this._state.findPrevious;      // findPrevious是点击寻找区的按钮发布的事件的参数，只有点击左右箭头时才有这个参数，分别是true和false
    const currentPageIndex = this._linkService.page - 1;  // 当前查找所在页码-1
    const numPages = this._linkService.pagesCount;  // pdf页数
    this._highlightMatches = true;

    if (this._dirtyMatch) {
    
       // this._dirtyMatch应该是不区分大小写查找    这下面设置的都是this._reset()方法中定义的变量
      this._dirtyMatch = false;
      this._selected.pageIdx = this._selected.matchIdx = -1;  // this._selected并无实际含义
      this._offset.pageIdx = currentPageIndex;  // this._offset并无实际含义
      this._offset.matchIdx = null;
      this._offset.wrapped = false;
      this._resumePageIdx = null;
      this._pageMatches.length = 0;
      this._pageMatchesLength.length = 0;
      this._matchesCountTotal = 0;

      this._updateAllPages(); // 发布名为updatetextlayermatches的事件，与_onUpdateTextLayerMatches绑定，其调用 _updateMatches()函数，位于11521行

      for (let i = 0; i < numPages; i++) {
    
      // _pendingFindMatches这个变量只在这个循环内被调用，别处没有调用
        if (this._pendingFindMatches[i] === true) {
    
    
          continue;
        }

        this._pendingFindMatches[i] = true;

        this._extractTextPromises[i].then(pageIdx => {
    
      // 相当于将padeIdx传入箭头右边花括号内的函数中 _extractTextPromises内的元素都是Promise类实例
          delete this._pendingFindMatches[pageIdx];     // 这里传入的参数pageIdx为_extractTextPromises[i]异步操作的结果

          this._calculateMatch(pageIdx);
        });
      }
    }

注：整理了实际开发过程中遇到并解决的问题

五、pdf.js历史版本的下载

我使用的pdf.js版本：pdfjs-3.7.107-dist
2.5.207是主流版本，因为该版本对IE的兼容性很好，不少文章都提到过该版本下能完美兼容IE
pdfjs es5版本（pdfjs-2.5.207-es5-dist）【请看准一定要包括es5版本的哦，按照上述使用方法，即可完美兼容各大浏览器】
2.4.456 版本开始就不支持旧版本的浏览器了，只支持谷歌76+ 和苹果浏览器13+，还是要好好看文档
当前项目pdf的版本是 “pdfjs-dist”: “2.13.216”
另外两个项目的pdf版本 “pdfjs-dist”: “2.0.943”
只有"pdfjs-dist": "2.13.216"这个版本会挂了，凉凉， “pdfjs-dist”: "2.0.943"这个版本是2018年10月份发布的，这个版本没有问题，

pdfjs-1.9.426下载地址

百度网盘提取：https://pan.baidu.com/s/1SRdUUF6osHVAqLUhtjediQ?pwd=w361
w361

pdfjs-3.7.107下载地址

https://pan.baidu.com/s/1pSWh04jGJJ63eMnJD-BjSQ?pwd=w361
w361

下载方式

https://github.com/mozilla/pdf.js/releases/tag/v2.5.207
在这里插入图片描述

1.9、2.4、2.5、2.5-es是黑边-------都可以
版本

2.6.347版本打不开
2.6.347-es版本是白边

2.11.338的legacy-----是白边，两个浏览器都可以，但是检察院专用浏览器pdf文件乱码
2.12.313的legacy-----是白边，两个浏览器都可以，但是检察院专用浏览器pdf文件乱码
2.13.216的legacy-----两个浏览器都打不开
2.14.305的legacy-----两个浏览器都打不开

2.16的legacy-----两个浏览器都打不开
3.7.107的legacy-----两个浏览器都打不开

打不开是这个样子

2.8.335版本----打不开pdf，兼容性
2.8.335的legacy版本-----pdf乱码

2.7.570-es版本—pdf有些文件的显示会乱码