PDFJS stopAtErrors参数遇PDF解析错误未终止执行问题求助

这个问题我之前批量处理PDF时也碰到过——PDFJS的stopAtErrors参数有时候确实没法覆盖所有底层解析错误，尤其是XRef表这种核心结构损坏的情况，导致预期的Promise拒绝没触发。要实现跳过异常文件继续处理下一个的需求，咱们可以通过手动添加错误捕获逻辑来解决，具体方案如下：

1. 给单个PDF处理逻辑套上try/catch块 #

把每个文件的加载、文本提取流程完整包裹在try/catch里，这样即使某个文件抛出致命错误，也只会终止当前文件的处理，不会打断整个批量任务。示例代码如下：

async function processSinglePdf(pdfPath) {
  try {
    // 初始化文档加载任务，保留stopAtErrors参数覆盖部分解析错误
    const loadingTask = pdfjsLib.getDocument({
      url: pdfPath,
      stopAtErrors: true
    });
    const pdfDoc = await loadingTask.promise;
    
    let extractedText = '';
    // 逐页提取文本
    for (let pageNum = 1; pageNum <= pdfDoc.numPages; pageNum++) {
      const page = await pdfDoc.getPage(pageNum);
      const textContent = await page.getTextContent();
      // 拼接当前页文本
      extractedText += textContent.items.map(item => item.str).join(' ') + '\n';
    }
    
    return extractedText;
  } catch (error) {
    // 捕获所有错误，标记该文件处理失败
    console.error(`处理文件 ${pdfPath} 时出错:`, error.message);
    return null;
  }
}

2. 批量遍历文件时跳过处理失败的项 #

在批量处理的主函数里，逐个调用单文件处理函数，遇到返回null的结果就直接跳过，继续处理下一个文件：

async function batchProcessPdfs(pdfFilePaths) {
  for (const filePath of pdfFilePaths) {
    const textResult = await processSinglePdf(filePath);
    if (textResult) {
      // 这里可以添加文本成功提取后的逻辑，比如写入文件、存入数据库等
      console.log(`✅ 文件 ${filePath} 处理完成`);
    } else {
      console.log(`❌ 跳过有问题的文件: ${filePath}`);
    }
  }
}

3. 精准捕获XRef表特定错误（可选） #

如果想针对性处理Invalid XRef table这个错误，可以在catch块里增加判断逻辑：

catch (error) {
  if (error.message.includes('Invalid XRef table')) {
    console.log(`⚠️ 检测到XRef表损坏，跳过文件: ${pdfPath}`);
  } else {
    console.error(`❌ 处理文件 ${pdfPath} 时发生其他错误:`, error.message);
  }
  return null;
}

为什么stopAtErrors没生效？ #

因为像XRef表损坏这种错误，往往是在getDocument初始化阶段就抛出的，而不是在getTextContent调用时。stopAtErrors主要针对的是解析过程中相对轻微的错误，没法覆盖所有致命的底层结构错误。手动的try/catch能捕获所有同步和异步抛出的异常，确保批量处理流程不会被单个坏文件打断。

内容的提问来源于stack exchange，提问作者PMM