NestJS中使用pdf2json解析上传PDF并转JSON且不落地存储的实现方案咨询

我来帮你搞定这个问题——你想解析上传的PDF但不想把文件存到服务器永久目录，可pdf2json的loadPDF又必须要文件路径，对吧？这里有两个实用的解决方案，按优先级推荐：

方案一：用临时文件（最稳妥，兼容所有pdf2json版本） #

我们可以用Node.js的临时文件模块创建一个一次性的临时PDF文件，解析完成后立刻自动删除，不会在服务器留下永久文件。

操作步骤： #

1. 先安装临时文件依赖：

npm install tmp --save
# 用yarn的话就是
yarn add tmp

2. 修改你的控制器代码，整合临时文件逻辑：

import * as tmp from 'tmp';
import * as fs from 'fs';
import { PDFParser } from 'pdf2json';

// ... 你的其他控制器代码
@Post('getFields')
@UseInterceptors(AzureStorageFileInterceptor('file'))
async getFields(@UploadedFile() file?: UploadedFileMetadata) {
  if (!file || Object.keys(file).length === 0 || file.constructor !== Object) {
    throw UtilError.createErrorError('Missing file.');
  }

  // 用Promise包装异步流程，方便NestJS处理返回值
  return new Promise((resolve, reject) => {
    // 创建带.pdf后缀的临时文件，自动清理
    tmp.file({ postfix: '.pdf' }, (err, tmpFilePath, fd, cleanupCallback) => {
      if (err) {
        reject(err);
        return;
      }

      // 把上传的文件Buffer写入临时文件
      fs.writeFile(tmpFilePath, file.buffer, (writeErr) => {
        if (writeErr) {
          cleanupCallback(); // 哪怕写入失败，也要清理临时文件
          reject(writeErr);
          return;
        }

        const pdfParser = new PDFParser();
        
        // 错误处理：清理临时文件并抛出错误
        pdfParser.on("pdfParser_dataError", errData => {
          cleanupCallback();
          reject(errData.parserError);
        });
        
        // 解析完成：清理临时文件，返回解析结果
        pdfParser.on("pdfParser_dataReady", pdfData => {
          cleanupCallback(); // 关键：解析完立刻删掉临时文件
          resolve(pdfData);
          // 如果你不需要把JSON写到本地，下面这段可以删掉
          // fs.writeFile(path.join(__dirname, './../../../../src/entities/skiplino/form/F1040EZ.json'), JSON.stringify(pdfData), () => {
          //   console.log("JSON saved!")
          // });
        });

        // 加载临时文件路径，开始解析
        pdfParser.loadPDF(tmpFilePath);
      });
    });
  });
}

为什么选这个方案？ #

• 临时文件会在解析完成（或出错）后立即被清理，完全不会占用服务器永久存储
• 完美适配pdf2json对文件路径的要求，不管你用的是哪个版本都能跑通
• 容错性强：哪怕解析出错，也能保证临时文件被删除，不会留下垃圾文件

方案二：直接用Buffer（仅适配新版pdf2json） #

如果你的pdf2json版本比较新（大概v1.3.0以上），可以尝试直接传入文件Buffer，不需要创建任何文件：

// ... 其他代码不变
@Post('getFields')
@UseInterceptors(AzureStorageFileInterceptor('file'))
async getFields(@UploadedFile() file?: UploadedFileMetadata) {
  if (!file || Object.keys(file).length === 0 || file.constructor !== Object) {
    throw UtilError.createErrorError('Missing file.');
  }

  return new Promise((resolve, reject) => {
    const pdfParser = new PDFParser();
    
    pdfParser.on("pdfParser_dataError", errData => reject(errData.parserError));
    pdfParser.on("pdfParser_dataReady", pdfData => resolve(pdfData));

    // 直接传入上传文件的Buffer，跳过文件路径
    pdfParser.parseBuffer(file.buffer);
  });
}

注意：这个方法不是所有版本都支持，如果你的pdf2json版本较低，还是用方案一更稳妥。

额外优化小建议 #

• 如果你不需要把解析后的JSON写到本地文件，建议删掉fs.writeFile那段代码，减少不必要的磁盘IO
• 可以加个MIME类型校验，确保上传的是PDF：if (file.mimetype !== 'application/pdf') throw new Error('Only PDF files are allowed');
• 临时文件可以加超时自动清理，比如给tmp.file加detachDescriptor: true和keep: false，极端情况下也不会残留文件

内容的提问来源于stack exchange，提问作者Noor_Hasan