0
我试图从PDF中提取文本,然后返回一个数字,表示有多少页的pdf由我定义的正则表达式匹配。然后不按预期工作在JS承诺
我的问题是,与其定期检查单个页面的文本是否为匹配的一部分,我的功能将这些部分分成比页面小的部分。计数只能在整个页面被读取后才增加。
getnopages: function(){
var fulltext = ""
var partialmatch;
var somerx = /something/
return pdfjs.getDocument(data).then(function(pdf) {
var pages = [];
pageNumbers = [];
for (var i = 0; i <= 6; i++) {
pages.push(i);
}
var found = false;
var count = 1;
return Promise.all(pages.map(function(pageNumber) {
pageNumbers.push(pageNumber);
return pdf.getPage(pageNumber + 1).then(function(page)
return page.getTextContent().then(function(textContent) {
return textContent.items.map(function(item) {
fulltext+=item.str+'&&&';
return item.str;
}).join('&&&');
});
}).then(function(){
count++;
console.log('the count is ' + count)
var partialmatch;
try {
partialmatch = fulltext.match(somerx)[0]
console.log('the match: ' + partialmatch)
var full = fulltext.slice(0, fulltext.length-3)
console.log('the full text ' + full)
if (fulltext && partialmatch!==full && !found){
found = true;
console.log('now we found our number: ' + count) // this finds where the full text differs from the partial text but returns a number too large to be a page number
}
}
catch(e){
console.log(e)
}
});
}));
}
任何人都可以帮助我弄清楚如何重写这个,以便计数正确递增页码?
目前尚不清楚其中的全文定义,但看起来像是从随机顺序的所有页面累计文本(因为GETPAGE/getTextContent调用一次为所有页面,这些以任何顺序解决) – async5
@ async5我遗漏了变量声明 - 只是重新编辑它们。你能否建议一种方法来确保全文以正确的顺序返回文本? –