Deno环境下Supabase边缘函数PDF文本提取报错，求解决方法

问题原因 #

你使用的pdf-lib核心定位是PDF创建与修改，不提供文本提取的API，所以调用extractText()或getTextContent()会触发TypeError，这是库本身的功能限制，并非代码写法问题。

可行解决方案 #

以下两种方案均适配Deno及Supabase边缘函数环境：

方案1：使用@thi.ng/pdf轻量提取库 #

这个库专为Deno/ESM环境设计，支持直接从二进制PDF数据提取文本，无需额外配置：

import { extractText } from "https://deno.land/x/thi_ng_pdf@v0.1.2/mod.ts";

async function fetchPDF(url: string): Promise<Uint8Array> {
  const response = await fetch(url);
  const data = await response.arrayBuffer();
  return new Uint8Array(data);
}

async function readPDFText(url: string): Promise<string> {
  const pdfBytes = await fetchPDF(url);
  // 直接提取全文档文本
  return extractText(pdfBytes);
}

// Supabase边缘函数请求处理逻辑
Deno.serve(async (req) => {
  const { url } = await req.json();
  if (!url) {
    return new Response(JSON.stringify({ error: "缺少PDF URL参数" }), { status: 400 });
  }
  try {
    const text = await readPDFText(url);
    return new Response(JSON.stringify({ text }), { status: 200 });
  } catch (err) {
    return new Response(JSON.stringify({ error: err.message }), { status: 500 });
  }
});

方案2：使用pdfjs-dist（Mozilla官方PDF处理库） #

如果需要更精细的文本控制（比如按页提取、获取文本位置），可以用Mozilla的pdfjs-dist，需配置导入映射兼容Deno环境：

1. 创建import_map.json文件：

{
  "imports": {
    "pdfjs-dist/build/pdf": "https://cdn.skypack.dev/pdfjs-dist@3.11.174/build/pdf.js",
    "pdfjs-dist/build/pdf.worker": "https://cdn.skypack.dev/pdfjs-dist@3.11.174/build/pdf.worker.js"
  }
}

2. 编写边缘函数代码：

import * as pdfjsLib from "pdfjs-dist/build/pdf";

// 配置Worker路径
pdfjsLib.GlobalWorkerOptions.workerSrc = "pdfjs-dist/build/pdf.worker";

async function fetchPDF(url: string): Promise<Uint8Array> {
  const response = await fetch(url);
  const data = await response.arrayBuffer();
  return new Uint8Array(data);
}

async function readPDFText(url: string): Promise<string> {
  const pdfBytes = await fetchPDF(url);
  const pdfDoc = await pdfjsLib.getDocument({ data: pdfBytes }).promise;
  
  let fullText = "";
  // 逐页提取文本
  for (let pageNum = 1; pageNum <= pdfDoc.numPages; pageNum++) {
    const page = await pdfDoc.getPage(pageNum);
    const textContent = await page.getTextContent();
    // 拼接当前页的所有文本片段
    const pageText = textContent.items.map((item: any) => item.str).join(" ");
    fullText += `${pageText}\n\n`;
  }
  
  return fullText;
}

// Supabase边缘函数入口
Deno.serve(async (req) => {
  const { url } = await req.json();
  if (!url) {
    return new Response(JSON.stringify({ error: "缺少PDF URL参数" }), { status: 400 });
  }
  try {
    const text = await readPDFText(url);
    return new Response(JSON.stringify({ text }), { status: 200 });
  } catch (err) {
    return new Response(JSON.stringify({ error: err.message }), { status: 500 });
  }
});

3. 在Supabase控制台部署时，需将import_map.json与代码文件一同上传，或在supabase.toml中指定导入映射路径。

注意事项 #

• Supabase边缘函数的Deno环境不支持Node.js特定API，务必选择ESM兼容的库
• 处理大型PDF时，建议添加超时和内存限制，避免触发边缘函数资源阈值

内容的提问来源于stack exchange，提问作者DanisJa