PDFJS结合Firebase Cloud Functions出现证书过期异常（本地正常部署报错）

我原本通过PDFJS从PDF文档提取纯文本，并使用Firebase Cloud Functions调度这个任务，一切正常。但最近有两个特定域名的PDF文件总是触发**"certificate has expired"**错误。我已经确认这两个域名的SSL证书是有效的，而且本地运行提取代码完全没问题，一部署到Cloud Functions就报错。

错误堆栈信息 #

Error at BaseExceptionClosure (/srv/node_modules/pdfjs-dist/build/pdf.js:666:29) at Object.<anonymous> (/srv/node_modules/pdfjs-dist/build/pdf.js:669:2) at __w_pdfjs_require__ (/srv/node_modules/pdfjs-dist/build/pdf.js:52:30) at Object.defineProperty.value (/srv/node_modules/pdfjs-dist/build/pdf.js:129:23) at __w_pdfjs_require__ (/srv/node_modules/pdfjs-dist/build/pdf.js:52:30) at pdfjsVersion (/srv/node_modules/pdfjs-dist/build/pdf.js:116:18) at /srv/node_modules/pdfjs-dist/build/pdf.js:119:10 at webpackUniversalModuleDefinition (/srv/node_modules/pdfjs-dist/build/pdf.js:25:20) at Object.<anonymous> (/srv/node_modules/pdfjs-dist/build/pdf.js:32:3) at Module._compile (module.js:653:30) at Object.Module._extensions..js (module.js:664:10) at Module.load (module.js:566:32) at tryModuleLoad (module.js:506:12) at Function.Module._load (module.js:498:3) at Module.require (module.js:597:17) at require (internal/module.js:11:18) at Object.<anonymous> (/srv/pdf/pdf.js:7:18) at Module._compile (module.js:653:30) at Object.Module._extensions..js (module.js:664:10) at Module.load (module.js:566:32) at tryModuleLoad (module.js:506:12) at Function.Module._load (module.js:498:3) message: 'certificate has expired', name: 'UnknownErrorException', details: 'UnknownErrorException: certificate has expired' }

相关代码 #

const pdfjslib = require('pdfjs-dist'); 
const functions = require('firebase-functions'); 

module.exports = functions.https.onRequest((req, res) => { 
  let url = req.query.url 
  return extractPlainTextFromPdf(url) 
    .then(pb => { 
      return res.send(pb) 
    }) 
    .catch(err => { 
      console.log(err) 
      return res.send("Err occured") 
    }) 
}); 

function extractPlainTextFromPdf(pdfUrl) { 
  let options = setupPdfOptions(pdfUrl) 
  return getPlainBody(options) 
    .then((plainBody) => plainBody) 
    .catch((err) => { 
      console.log("Err plainBody", err) //<== Error thrown here 
    }) 
} 

async function getPlainBody(options) { 
  return getDocument(options) 
    .then(doc => extractTexts(doc, doc.numPages)) 
} 

function getDocument(options) { 
  var loadingTask = pdfjslib.getDocument(options) 
  return loadingTask.promise 
    .then((doc) => doc) 
} 

function setupPdfOptions(url) { 
  return { 
    url: url, 
    httpHeaders: { 
      "User-Agent": "MY-USER-AGENT", 
    }, 
  }; 
}

package.json配置 #

{
  "name": "functions",
  "description": "Cloud Functions for Firebase",
  "scripts": {
    "serve": "firebase serve --only functions",
    "shell": "firebase functions:shell",
    "start": "npm run shell",
    "deploy": "firebase deploy --only functions",
    "logs": "firebase functions:log",
  },
  "engines": {
    "node": "8"
  },
  "dependencies": {
    "@google-cloud/functions-framework": "^1.5.1",
    "@google-cloud/vision": "^1.11.0",
    "aws-sdk": "^2.667.0",
    "axios": "^0.19.2",
    "cheerio": "^1.0.0-rc.3",
    "diff-match-patch": "^1.0.4",
    "firebase-admin": "^8.11.0",
    "firebase-functions": "^3.6.1",
    "moment": "^2.25.0",
    "nodemailer": "^6.4.6",
    "pdfjs-dist": "^2.3.200",
    "request": "^2.88.2",
    "request-promise": "^4.2.5",
  },
  "devDependencies": {
    "firebase-functions-test": "^0.1.6"
  },
  "private": true
}

问题示例PDF链接 #

• https://www.nea.gov.sg/docs/default-source/our-services/building-planning/notification-of-new-edition-of-code-of-practice-on-environment-health-(2020-edition).pdf
• https://www.nparks.gov.sg/-/media/nparks-real-content/partner-us/developers-architects-and-engineers/circular_2020_0106_nparks.pdf?la=en&hash=F25A74CC8667D5D98EDF3A9C186E235330D228A8

解决方案 #

这个问题我之前也碰到过类似的场景，核心原因大概率是旧Node.js版本的根证书库过时，或者PDFJS内置的HTTP客户端在Cloud Functions环境下的SSL验证兼容性问题。给你几个可行的解决思路：

1. 升级Node.js到支持的LTS版本 #

你现在用的Node.js 8版本早就停止维护了，它内置的根证书列表已经很久没更新，就算目标网站的SSL证书有效，旧版本的Node也可能无法识别。Firebase Cloud Functions目前支持Node.js 14、16、18这些LTS版本，建议直接升级到最新的稳定版：

• 修改package.json里的engines字段：

  "engines": {
    "node": "18"
  }
  

• 同时把firebase-functions和firebase-admin也升级到兼容新版本Node的最新版本，避免版本冲突：

  npm install firebase-functions@latest firebase-admin@latest
  

2. 手动下载PDF后再传给PDFJS处理 #

PDFJS自带的HTTP客户端在Cloud Functions环境下可能存在SSL验证的bug，你可以先用axios（你项目里已经依赖了）提前把PDF下载到内存，再用Buffer给PDFJS处理，绕开它的内置请求逻辑：
修改extractPlainTextFromPdf函数如下：

const axios = require('axios');

async function extractPlainTextFromPdf(pdfUrl) {
  try {
    // 先下载PDF文件到Buffer
    const response = await axios.get(pdfUrl, {
      responseType: 'arraybuffer',
      headers: { "User-Agent": "MY-USER-AGENT" }
    });
    // 用Buffer创建PDFJS的文档选项
    const options = {
      data: new Uint8Array(response.data),
      httpHeaders: { "User-Agent": "MY-USER-AGENT" }
    };
    return getPlainBody(options);
  } catch (err) {
    console.log("Err downloading PDF", err);
    throw err;
  }
}

axios的HTTP客户端根证书更新更及时，能更好地处理现代SSL证书验证。

3. 更新PDFJS到最新稳定版 #

你当前使用的pdfjs-dist@2.3.200是2020年的版本，后续版本修复了不少网络请求相关的bug，包括SSL验证的问题。直接升级到最新版试试：

npm install pdfjs-dist@latest

升级后重新部署测试，很多时候这类环境兼容性问题在新版本里已经被解决了。

4. 额外排查：检查Cloud Functions环境的根证书 #

虽然概率较低，但如果上面的方法都不行，可以确认下Cloud Functions运行环境的根证书是否正常。不过升级Node.js版本通常会同步更新根证书库，所以这个步骤可以作为最后的排查手段。

内容的提问来源于stack exchange，提问作者Koh