如何将当前已打开的PDF文件转换为可读取的文本内容？

你直接打开本地PDF路径看到的<embed>标签是Chrome内置PDF预览器渲染的容器，文档内容没有暴露在DOM树中，所以无法直接通过DOM操作提取，必须通过读取PDF原始二进制内容解析得到文本。

本地读取PDF内容的可行方案 #

完全可以在不将PDF托管到服务器的前提下完成内容读取，主流方案分为两类：

1. 纯JavaScript客户端方案 #

所有解析逻辑都在本地浏览器环境执行，无需上传文件到任何服务端：

• 可以引入pdf.js解析库，支持直接解析PDF二进制流提取文本，不需要后端交互。
• 核心实现逻辑示例：

// 加载pdf.js库后执行
const fileReader = new FileReader();
fileReader.onload = async function() {
  const typedArray = new Uint8Array(this.result);
  const pdf = await pdfjsLib.getDocument(typedArray).promise;
  let fullText = '';
  // 逐页提取文本
  for (let pageNum = 1; pageNum <= pdf.numPages; pageNum++) {
    const page = await pdf.getPage(pageNum);
    const textContent = await page.getTextContent();
    const pageText = textContent.items.map(item => item.str).join(' ');
    fullText += pageText + '\n\n';
  }
  console.log('提取到的完整PDF文本：', fullText);
};
// 传入本地选中的PDF文件对象
fileReader.readAsArrayBuffer(localPdfFile);

如果是在普通网页场景下，需要用户通过文件选择器上传本地PDF文件获取文件对象；如果是Chrome扩展场景，申请file:///*权限后可以直接读取指定路径的PDF文件二进制内容。

2. Chrome扩展专属方案 #

如果是开发Chrome扩展，还可以直接调用Chrome内置PDF预览器的能力，无需引入额外解析库：

• 申请activeTab和file:///*权限后，注入脚本到PDF预览页面，即可调用内置PDF viewer暴露的接口直接获取已解析的文本内容，实现成本更低。

其他替代方案 #

如果不想基于浏览器实现，也可以选择纯本地离线工具方案：

• 用命令行工具pdftotext，本地执行即可直接导出PDF文本内容，不需要网络连接，也不需要上传文件。
• 使用本地安装的办公软件（如WPS、Adobe Acrobat）自带的PDF转文本功能，直接离线完成转换。

内容的提问来源于stack exchange，提问作者BrunoLM