Node.js 从URL下载PDF上传至Firestore存储桶及空白PDF问题解决

你遇到的PDF空白问题核心是axios请求时未正确配置二进制响应格式：

• axios默认将响应当做UTF-8编码的文本处理，会自动对二进制字节做编码转换，导致PDF流损坏
• PDF的结构描述字段为ASCII编码，转义过程中未被破坏，因此能正确识别页数，但嵌入的图片、字体等二进制资源完全损坏，最终显示空白

你需要在axios请求中新增responseType配置，其余上传逻辑不需要大幅修改：

1. 拉取PDF时指定返回二进制缓冲区：

const axiosResponse = await axios.get("你的PDF资源URL", {
  // 核心配置：告诉axios直接返回原始二进制缓冲区，不做编码转换
  responseType: "arraybuffer"
})
const pdfBinary = axiosResponse.data

2. 上传到Cloud Storage（你所说的Firestore存储桶实际是Firebase关联的Cloud Storage对象存储服务，Firestore本身仅存储结构化文档数据）的代码可以补充可选优化项：

const file = bucket.file(path);
const fileOptions = {
  contentType: 'application/pdf',
  // 小于10MB的文件关闭断点续传，减少额外开销
  resumable: false,
  // 可选配置缓存策略，提升访问性能
  metadata: {
    cacheControl: 'public, max-age=31536000'
  }
};
await file.save(pdfBinary, fileOptions)
const signedUrl = await file.getSignedUrl({action: 'read', expires: expiryDate})
return {
  url: signedUrl,
  path
}

如果需要处理大体积PDF，上述将整个文件加载到内存再上传的方案会占用过多服务端资源，更推荐使用流式传输，直接将远端PDF的响应流写入存储桶，不需要在本地缓存完整文件：

const { Readable } = require('stream')

// 拉取PDF时指定返回流格式
const axiosResponse = await axios.get("你的PDF资源URL", {
  responseType: "stream"
})

const file = bucket.file(path)
const writeStream = file.createWriteStream({
  contentType: 'application/pdf',
  metadata: {
    cacheControl: 'public, max-age=31536000'
  }
})

// 封装流处理逻辑，监听完成/错误事件
return new Promise((resolve, reject) => {
  Readable.from(axiosResponse.data).pipe(writeStream)
  writeStream.on('finish', async () => {
    const signedUrl = await file.getSignedUrl({action: 'read', expires: expiryDate})
    resolve({ url: signedUrl, path })
  })
  writeStream.on('error', reject)
})

Firebase Cloud Storage没有提供直接从第三方URL拉取文件存入存储桶的原生能力，你必须在服务端完成「拉取远端资源 -> 上传到存储桶」的中转流程，上述流式方案的性能损耗极低，和直接上传差异很小。

内容的提问来源于stack exchange，提问作者Jm3s