使用 Javascript 序列从 PDF 中提取特定值到 TXT答案

【问题标题】：Extracting Specific Values to TXT from PDF using a Javascript Sequence使用 Javascript 序列从 PDF 中提取特定值到 TXT
【发布时间】：2019-09-26 02:46:24
【问题描述】：

我找不到合适的 JavaScript 解决方案来在 Adobe Acrobat 中创建将文本提取到 .txt 文件中的序列；基于某些标准。

我有 500 多份包含图片和财务数据的 pdf。我需要从这些页面中提取特定值。包括：支票号码、支票日期、支票金额等值。

我尝试了以下示例： https://www.evermap.com/javascript.asp#Title:%20Extract%20ISBN%20numbers

我什至用 ISBN 编号创建了一个 PDF，但它不起作用。

在我的 PDF 中，我有以下数据：

生产日期：2019/01/04

帐号：69447885236

CheckAmt：157.52

序列号：8574

MflmSeqNum: 268245062738

生产日期：2019/01/14

帐号：69447885236

CheckAmt：2,415.36

序列号：8570

MflmSeqNum：268545187745

我需要以分隔格式将值提取到文本文件（或 Excel 表）中。预期输出如下：

2019 年 1 月 14 日； 2,415.36； 8570

2019/01/04; 157.52; 8574

【问题讨论】：

标签： javascript ocr acrobat pdf.js

【解决方案1】：

好的，所以通过一些调整并让循环继续执行，我能够获得所需的输出，唯一的问题是它正在重复数据并且它们没有保持相关性：

以下是循环信息：

    for (var i = 0; i < this.numPages; i++)
    {
        numWords = this.getPageNumWords(i);
        var PageText = "";
        for (var j = 0; j < numWords; j++) {
            var word = this.getPageNthWord(i,j,false);
            PageText += word;
            }

        var strMatches = PageText.match(reMatch);
        if (strMatches == null) continue;

    for (var o = 0; o < this.numPages; o++)
    {
        numWordsAmt = this.getPageNumWords(o);
        var PageTextAmt = "";
        for (var k = 0; k < numWordsAmt; k++) {
            var wordAmt = this.getPageNthWord(o,k,false);
            PageTextAmt += wordAmt;
            }

        var strMatchesAmt = PageTextAmt.match(reMatchAmt);
        if (strMatches == null) continue;

    for (var p = 0; p < this.numPages; p++)
    {
        numWordsNum = this.getPageNumWords(p);
        var PageTextNum = "";
        for (var l = 0; l < numWordsNum; l++) {
            var wordNum = this.getPageNthWord(p,l,false);
            PageTextNum += wordNum;
            }

        var strMatchesNum = PageTextNum.match(reMatchNum);
        if (strMatchesAmt == null) continue;

        // now output matches into report document
        for (j = 0; j < strMatches.length; j++) {
                for (k = 0; k < strMatchesAmt.length; k++) {
                    for (l = 0; l < strMatchesNum.length; l++) {
            Out[strMatches[j].replace("ProcDate: ", "")+" , "+strMatchesAmt[k].replace("CheckAmt: ", "")+" , "+strMatchesNum[l].replace("SerialNum: ", "")] = true; // store email as a property name
                }
            }
        }
        }
    }
}

【讨论】：