Adobe JavaScript报错：_ is not a function，PDF关键词提取页面异常

问题描述 #

尝试基于关键词从大型PDF文件中提取页面，但代码中多个Adobe官方文档记载的方法返回“not a function”错误，怀疑循环内部逻辑存在问题，原代码如下：

// Define the trigger phrase
var triggerPhrase = "help";

// Define the output directory path
var outputDirPath = "/C/Users/x/"; //This is right, I've just changed it for this

// Get the total number of pages in the document
var numPages = this.numPages;

// Loop through the pages, looking for the trigger phrase
for (var i = 0; i < numPages; i++) {
  // Get the text content of the current page
  var words = this.getPageNthWord(i, 0);
  var pageText = words.join(" ");

  // Check if the trigger phrase is in the page text
  if (pageText.includes(triggerPhrase)) {
    // This page contains the trigger phrase
    var startPage = i;
    var endPage = startPage;
    i++;

    // Keep looping until the next page with the trigger phrase is found or we reach the end of the document
    while (i < numPages && !this.getPageNthWord(i, 0).join(" ").includes(triggerPhrase)) {
      endPage = i;
      i++;
    }

    // Extract the pages between the start and end pages to a new PDF file
    var outputFilePath = outputDirPath + "pages_" + (startPage + 1) + "-" + (endPage + 1) + ".pdf";
    this.extractPages({
      nStart: startPage,
      nEnd: endPage,
      cPath: outputFilePath
    });
  }
}

问题分析 #

1. 上下文指向错误：Acrobat JS中this的指向依赖执行环境，如果不是在文档级脚本中运行，this可能不是当前PDF文档对象，导致getPageNthWord、extractPages等方法无法被找到。
2. 循环变量越界：原代码中for循环和内部while循环都对i进行递增，容易导致i超出页面总数范围，此时调用getPageNthWord会因参数无效抛出错误。
3. 空页面处理缺失：如果页面没有文本，getPageNthWord(i, 0)会返回null，直接调用join方法会触发“not a function”错误。
4. 路径格式错误：Windows系统下Acrobat JS要求路径使用双反斜杠，原代码的单斜杠路径可能导致extractPages执行异常。

修正后的代码 #

// 定义触发关键词
var triggerPhrase = "help";

// 定义输出目录（Windows路径需用双反斜杠）
var outputDirPath = "C:\\Users\\x\\";

// 获取当前活动文档，确保上下文正确
var doc = app.activeDocs[0];
if (!doc) {
    app.alert("请先打开目标PDF文档！");
}

var numPages = doc.numPages;
var i = 0;

while (i < numPages) {
    var pageText = "";
    try {
        // 先获取页面单词总数，避免空页面报错
        var wordCount = doc.getPageNumWords(i);
        if (wordCount > 0) {
            var words = [];
            // 遍历获取页面所有单词
            for (var w = 0; w < wordCount; w++) {
                words.push(doc.getPageNthWord(i, w));
            }
            pageText = words.join(" ");
        }
    } catch (e) {
        console.error("读取第" + (i+1) + "页文本失败：" + e.message);
        i++;
        continue;
    }

    if (pageText.includes(triggerPhrase)) {
        var startPage = i;
        var endPage = startPage;
        i++;

        // 寻找下一个触发词所在页面
        while (i < numPages) {
            var nextPageText = "";
            var nextWordCount = doc.getPageNumWords(i);
            if (nextWordCount > 0) {
                var nextWords = [];
                for (var ww = 0; ww < nextWordCount; ww++) {
                    nextWords.push(doc.getPageNthWord(i, ww));
                }
                nextPageText = nextWords.join(" ");
            }
            // 找到下一个触发词就停止当前区块收集
            if (nextPageText.includes(triggerPhrase)) {
                break;
            }
            endPage = i;
            i++;
        }

        // 执行页面提取
        try {
            var outputFilePath = outputDirPath + "pages_" + (startPage + 1) + "-" + (endPage + 1) + ".pdf";
            doc.extractPages({
                nStart: startPage,
                nEnd: endPage,
                cPath: outputFilePath
            });
            console.log("成功提取页面：" + (startPage+1) + "-" + (endPage+1));
        } catch (e) {
            console.error("提取页面失败：" + e.message);
        }
    } else {
        i++;
    }
}

关键修正点 #

• 固定文档上下文：用app.activeDocs[0]明确获取当前打开的PDF文档，避免this指向混乱。
• 空页面容错处理：通过getPageNumWords先判断页面是否有文本，再进行单词收集，杜绝null调用方法的错误。
• 统一循环变量管理：改用单while循环控制i的递增，避免多层循环导致的变量越界。
• 错误捕获与日志：添加try-catch块捕获异常并输出日志，方便排查问题。
• 修正路径格式：将Windows路径改为双反斜杠格式，符合Acrobat JS的要求。

内容的提问来源于stack exchange，提问作者minnesota73