使用pdfjs-dist提取PDF文本报错：pdfjs.getDocument不是函数

1. 导入方式与Worker配置缺失 #

pdfjs-dist在浏览器环境下必须配置Worker才能正常运行，这是核心问题所在：

• 先确保已正确安装依赖：

npm install pdfjs-dist

• 修正代码并补充Worker配置：

import * as pdfjsLib from 'pdfjs-dist';
import pdfjsWorker from 'pdfjs-dist/build/pdf.worker.entry';

// 全局配置Worker路径，这一步是必须的
pdfjsLib.GlobalWorkerOptions.workerSrc = pdfjsWorker;

public async testing(pdfUrl: string) {  
    try {
        const loadingTask = pdfjsLib.getDocument(pdfUrl);  
        const doc = await loadingTask.promise;  
        const page = await doc.getPage(1);  

        const textContent = await page.getTextContent();
        // 可选：提取纯文本返回，根据需求调整
        return textContent.items.map((item: any) => item.str).join('\n');
    } catch (error) {
        console.error('PDF处理错误:', error);
        throw error;
    }
}

2. 版本兼容性问题 #

如果使用pdfjs-dist v3.x及以上版本，必须显式配置Worker；若用v2.x旧版本，需调整Worker路径的设置方式：

// v2.x版本示例
import pdfjsLib from 'pdfjs-dist';
// 可以使用CDN地址或本地打包后的Worker文件路径
pdfjsLib.GlobalWorkerOptions.workerSrc = '//cdnjs.cloudflare.com/ajax/libs/pdf.js/2.16.105/pdf.worker.min.js';

3. 打包工具配置问题 #

若使用Vite、Webpack等工具，需确保Worker代码被正确处理：

• Vite：直接导入pdf.worker.entry即可，无需额外配置
• Webpack：需启用内置Worker支持或配置worker-loader，避免Worker代码被错误打包

4. 额外注意：跨域问题 #

如果PDF URL来自跨域地址，需确保目标服务器配置了CORS允许访问，否则会导致PDF加载失败，也可能间接引发类似报错

内容的提问来源于stack exchange，提问作者Mac Riel