如何使用JS提取PDF/当前文档文本翻译后调用windows.print()打印
功能实现完整方案
1. 文本提取逻辑
根据你的使用场景分两种实现路径:
1.1 当前网页文本提取
直接遍历DOM节点采集可见文本,同时记录文本对应的父元素,方便后续翻译后替换:
// 提取当前页面所有有效文本节点 function extractPageText() { // 排除非内容类标签 const excludeTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'IFRAME', 'BUTTON', 'INPUT'] const textNodeList = [] function traverseDom(node) { if (node.nodeType === Node.TEXT_NODE && node.textContent.trim()) { textNodeList.push({ parent: node.parentElement, originText: node.textContent.trim() }) } else if (node.nodeType === Node.ELEMENT_NODE && !excludeTags.includes(node.tagName)) { Array.from(node.childNodes).forEach(traverseDom) } } traverseDom(document.body) return textNodeList }
1.2 上传PDF文件文本提取
使用pdf.js库前端解析PDF内容,无需依赖后端服务:
// 需提前引入pdf.js依赖 async function extractPdfText(pdfFile) { const fileBuffer = await pdfFile.arrayBuffer() const pdfDoc = await pdfjsLib.getDocument({ data: fileBuffer }).promise const fullText = [] for (let pageNum = 1; pageNum <= pdfDoc.numPages; pageNum++) { const page = await pdfDoc.getPage(pageNum) const pageContent = await page.getTextContent() fullText.push(pageContent.items.map(item => item.str).join(' ')) } // 保留分页符方便后续打印排版 return fullText.join('\n\n--- 分页符 ---\n\n') }
2. 批量翻译逻辑
通用翻译调用模板,可根据需求替换为你使用的翻译服务(公有云翻译SDK、自建翻译服务均可):
async function batchTranslate(textList, targetLang) { // 可根据接口要求调整批量传参逻辑,添加并发控制避免限流 const translateTasks = textList.map(async item => { // 替换为实际翻译接口调用逻辑 const translated = await callYourTranslateAPI(item.originText, targetLang) return { ...item, translatedText: translated } }) return Promise.all(translateTasks) }
注意:如果涉及敏感内容翻译,建议使用私有化部署的翻译服务,避免数据外泄。
3. 渲染打印逻辑
3.1 网页翻译后打印
翻译完成后临时替换页面文本,打印结束自动还原原文:
async function translatePageAndPrint(targetLang) { // 1. 提取原文 const originTextNodes = extractPageText() // 2. 批量翻译 const translatedNodes = await batchTranslate(originTextNodes, targetLang) // 3. 临时替换页面文本 translatedNodes.forEach(node => { node.parent.dataset.originText = node.originText node.parent.textContent = node.translatedText }) // 4. 触发打印 window.print() // 5. 打印完成后还原原文 translatedNodes.forEach(node => { node.parent.textContent = node.parent.dataset.originText delete node.parent.dataset.originText }) }
3.2 PDF翻译后打印
提前在页面中添加隐藏的打印专用容器:
<div id="pdf-print-container" class="print-only" style="display: none;"></div>
对应JS逻辑:
async function translatePdfAndPrint(pdfFile, targetLang) { const printContainer = document.getElementById('pdf-print-container') // 1. 提取+翻译PDF文本 const originPdfText = await extractPdfText(pdfFile) const translatedPdfText = await callYourTranslateAPI(originPdfText, targetLang) // 2. 渲染到打印容器 printContainer.style.display = 'block' printContainer.innerHTML = translatedPdfText.replace(/\n/g, '<br>') // 3. 隐藏页面其他内容 const allNodes = Array.from(document.body.children) allNodes.forEach(node => { if (node.id !== 'pdf-print-container') node.style.display = 'none' }) // 4. 触发打印 window.print() // 5. 还原页面状态 printContainer.style.display = 'none' printContainer.innerHTML = '' allNodes.forEach(node => { if (node.id !== 'pdf-print-container') node.style.display = '' }) }
常见优化建议
- 提前编写
@media print专属样式,控制翻译内容的打印格式,可去除默认页眉页脚、调整边距、适配分页规则 - 翻译过程中添加全局loading状态,避免用户重复触发操作
- PDF文本提取阶段可同步记录文本的位置、字体、字号等样式信息,翻译后还原原有排版效果
- 批量翻译时添加请求并发控制,避免触发翻译接口的限流规则
内容的提问来源于stack exchange,提问作者tarun nt
相关产品推荐
相关产品推荐

