JavaScript实现PDF转Word：从原理到实践
为什么需要JS实现PDF转Word？
在现代Web开发中，经常需要在浏览器端或服务器端处理文档格式转换。PDF转Word的需求尤其常见，例如：用户上传PDF简历需提取文本、文档协作平台需要可编辑格式。JavaScript作为一种全栈语言，可以高效地完成这类转换。
核心思路
PDF和Word结构差异巨大：PDF是固定布局，Word是流式文档。转换分为两步：
1. 解析PDF内容（文本、图片、表格）。
2. 生成Word文档（.docx）。
常见方案有：
- 纯前端库组合：使用
pdf.js解析PDF，再通过mammoth.js或docx库生成Word。 - Node.js专用库：如
pdf-lib（操作PDF）、pandoc（命令行调用）或unoconv。 - 第三方API服务：如Google Docs API、ConvertAPI。
实战：使用pdf-lib + mammoth.js 前端转换
以下示例在浏览器中实现：
// 引入库（通过CDN或npm）
import * as pdfjsLib from 'pdfjs-dist';
import mammoth from 'mammoth';
async function pdfToWord(pdfUrl) {
const pdf = await pdfjsLib.getDocument(pdfUrl).promise;
const textContent = [];
for (let i = 1; i <= pdf.numPages; i++) {
const page = await pdf.getPage(i);
const content = await page.getTextContent();
const pageText = content.items.map(item => item.str).join(' ');
textContent.push(pageText);
}
const fullText = textContent.join('\n\n');
// 将文本转换为HTML（mammoth需要HTML输入）
const html = `${fullText.replace(/\n/g, '
')}
`;
// 生成.docx（mammoth.convertToHtml的反向不直接支持，此处使用docx库）
// 更简单的方法：将HTML转换为Word用FileSaver保存
return new Blob([html], { type: 'application/vnd.openxmlformats-officedocument.wordprocessingml.document' });
}注意：上述代码简化了实际流程，真实场景建议使用docx库构建结构化文档，保留字体、样式等。例如用docx创建段落：
const { Document, Packer, Paragraph, TextRun } = require('docx');
const doc = new Document({
sections: [{
children: [
new Paragraph({
children: [new TextRun({ text: fullText, bold: true })],
}),
],
}],
});
const blob = await Packer.toBlob(doc);在线API方案（推荐）
对于复杂格式（表格、图片），使用成熟API更可靠。以ConvertAPI为例：
// Node.js环境
const ConvertApi = require('convertapi')(process.env.CONVERTAPI_SECRET);
async function convert(filePath) {
const result = await ConvertApi.convert('pdf', 'docx', { File: filePath });
result.saveFiles('./output.docx');
}注意事项与优化
- 排版保留：纯文本转换会丢失布局，需提取坐标信息重建。
- 性能：大型PDF建议丢给后端或使用Web Worker。
- 编码问题：中文PDF需确保字体映射。
总结
JavaScript实现PDF转Word虽有一定挑战，但通过组合现有库或调用API，可满足大多数需求。根据场景灵活选择：轻量级文本用pdf.js + docx，复杂文档用专业API。未来WebAssembly的发展将使转换更高效。