gin-PDF-Jpegs/main.go

package main

import (
	"bytes"
	"fmt"
	"image/jpeg"
	"os"
	"path/filepath"
	"time"

	"github.com/gin-gonic/gin"
	// "github.com/karmdip-mi/go-fitz"

	"test/go-fitz"

	"github.com/ledongthuc/pdf"
	"github.com/nfnt/resize"
)

func main() {

	r := gin.Default()
	r.GET("/parsingPdf", func(c *gin.Context) {
		pdfFilePath := c.Query("pdfFilePath")
		outPath := c.Query("outPath")

		imgPaths, _ := parsingPDF(pdfFilePath, outPath)

		c.JSON(200, gin.H{
			"imgPaths": imgPaths,
		})
	})
	r.Run() // listen and serve on 0.0.0.0:8080

}

// 解析pdf
func parsingPDF(pdfFilePath string, outPath string) ([]string, string) {
	startTime := time.Now().Unix()
	endTime := time.Now().Unix()
	fmt.Println(startTime)
	var imgPaths []string

	doc, err := fitz.New(pdfFilePath)
	if err != nil {
		panic(err)
	}

	// Extract pages as images
	for n := 0; n < doc.NumPage(); n++ {
		// img, err := doc.Image(n)
		// Image方法导出文件会比较模糊
		// ImageDPI导出文件时，如果dpi设置太大，会导致程序直接奔溃
		img, err := doc.ImageDPI(n, 200)
		if err != nil {
			panic(err)
		}
		err = os.MkdirAll(outPath, 0755)
		if err != nil {
			panic(err)
		}
		imgPath := filepath.Join(outPath, fmt.Sprintf("image-%05d.jpg", n))
		imgPaths = append(imgPaths, imgPath)
		f, err := os.Create(imgPath)
		if err != nil {
			panic(err)
		}

		// 修改图片的大小
		m := resize.Resize(0, 2500, img, resize.Lanczos3)
		// buf := bytes.Buffer{}

		err = jpeg.Encode(f, m, &jpeg.Options{Quality: jpeg.DefaultQuality})
		if err != nil {
			panic(err)
		}

		f.Close()
		endTime = time.Now().Unix()
		fmt.Println(endTime)

		fmt.Println((endTime - startTime))
	}
	var pdfText string

	// pdfText, readErr := ReadPdf(pdfFilePath)

	// if readErr!=nil{
	// 	if err != nil {
	// 		panic(err)
	// 	}
	// }

	return imgPaths, pdfText

}

// ReadPdf 获取pdf文字内容
func ReadPdf(path string) (string, error) {
	f, r, err := pdf.Open(path)
	// remember close file
	defer f.Close()
	if err != nil {
		return "", err
	}
	var buf bytes.Buffer
	b, err := r.GetPlainText()
	if err != nil {
		return "", err
	}
	buf.ReadFrom(b)
	return buf.String(), nil
}

// 阅读按行分组的文本
func ReadPdfGroup(path string) (string, error) {
	f, r, err := pdf.Open(path)
	defer func() {
		_ = f.Close()
	}()
	if err != nil {
		return "", err
	}
	totalPage := r.NumPage()

	for pageIndex := 1; pageIndex <= totalPage; pageIndex++ {
		p := r.Page(pageIndex)
		if p.V.IsNull() {
			continue
		}

		rows, _ := p.GetTextByRow()
		for _, row := range rows {
			println(">>>> row: ", row.Position)
			for _, word := range row.Content {
				fmt.Println(word.S)
			}
		}
	}
	return "", nil
}

// func readPdf(path string) (string, error) {
// 	f, r, err := pdf.Open(path)
// 	// remember close file
// 	defer f.Close()
// 	if err != nil {
// 		return "", err
// 	}
// 	var buf bytes.Buffer
// 	b, err := r.GetPlainText()
// 	if err != nil {
// 		return "", err
// 	}
// 	buf.ReadFrom(b)
// 	return buf.String(), nil
// }

// PDF格式的所有文本
// func readPdfFormatAll(path string) (string, error) {
// 	f, r, err := pdf.Open(path)
// 	// remember close file
// 	defer f.Close()
// 	if err != nil {
// 		return "", err
// 	}
// 	totalPage := r.NumPage()

// 	for pageIndex := 1; pageIndex <= totalPage; pageIndex++ {
// 		p := r.Page(pageIndex)
// 		if p.V.IsNull() {
// 			continue
// 		}
// 		var lastTextStyle pdf.Text
// 		texts := p.Content().Text
// 		for _, text := range texts {
// 			if isSameSentence(text, lastTextStyle) {
// 				lastTextStyle.S = lastTextStyle.S + text.S
// 			} else {
// 				fmt.Printf("Font: %s, Font-size: %f, x: %f, y: %f, content: %s \n", lastTextStyle.Font, lastTextStyle.FontSize, lastTextStyle.X, lastTextStyle.Y, lastTextStyle.S)
// 				lastTextStyle = text
// 			}
// 		}
// 	}
// 	return "", nil
// }