Dentro de una API con Express.js he usado la función getTextContent()
para extraer el texto de una página de un documento PDF usando el paquete pdf.js, el cual regresa los siguientes items.
{ str:
'Si desea modificar o corregir sus datos personales, puede acudir a cualquier',
dir: 'ltr',
width: 307.3639090879885,
height: 8.040038228246251,
transform:
[ 8.040038228246251,
0,
0,
8.040038228246251,
30.358212111551254,
175.43839784367367 ],
fontName: 'g_d0_f1' },
{ str: 'de la',
dir: 'ltr',
width: 19.747558740156638,
height: 8.040038228246251,
transform:
[ 8.040038228246251,
0,
0,
8.040038228246251,
520.6837612500001,
175.43839784367367 ],
fontName: 'g_d0_f1' },
Supongo (No he encontrado documentación de esta API) que transform enlista información acerca de las coordenadas del bloque de texto en la viewport de la página PDF.
Hasta dónde tengo entendido este paquete puede convertir el PDF en imágenes PNG, así que me pregunto si es que puedo extraer la porción del documento a la que quiero hacer una imagén.
La finalidad es que regresar la imagén de la porción en forma de un string en Base64 a quien hace la solicitud HTTP.