在Google Cloud Functions处理PDF时遇spawn pdftotext ENOENT错误的解决方法

你猜的没错——这个spawn pdftotext ENOENT错误就是因为Google Cloud Functions的默认运行环境里没有预装pdftotext工具，而pdf-text-extract这个Node.js包底层完全依赖它来完成PDF文本提取。下面给你两种可行的解决思路，按需选择：

方法一：改用纯JavaScript的PDF解析库（推荐） #

这种方法不需要依赖任何外部系统工具，更适合Serverless环境（冷启动更快，部署更简单）。比如用pdf-parse这个包，它完全用JS实现PDF解析。

步骤如下：

1. 安装依赖：

npm install pdf-parse

2. 修改你的代码，替换原来的pdf-text-extract调用逻辑：

const pdfParse = require('pdf-parse');
const fs = require('fs');
// 保留你原来的gcs、path、os相关代码...

return gcsBucket.file(name).download({ destination: tempFilePath })
  .then(() => {
    // 读取本地临时文件并解析
    return pdfParse(fs.readFileSync(tempFilePath))
      .then(parsedData => {
        // parsedData.text是提取到的完整文本
        // 如果需要按页拆分，可以进一步处理（pdf-parse默认返回全文，若需分页可考虑pdfjs-dist）
        resolve(parsedData.text.split('\n'));
      })
      .catch(err => reject(err));
  });

方法二：在Cloud Functions环境中安装pdftotext #

如果你不想修改现有代码逻辑，可以通过自定义构建步骤在Cloud Functions的运行环境中安装pdftotext（它属于poppler-utils包的一部分）。

步骤如下：

1. 在你的函数项目根目录创建一个名为install_pdftotext.sh的脚本文件，内容：

#!/bin/bash
apt-get update && apt-get install -y poppler-utils

2. 修改package.json，添加preinstall脚本，让部署时自动执行安装：

{
  "scripts": {
    "preinstall": "bash install_pdftotext.sh"
  }
}

部署时，Cloud Functions的构建环境会自动运行这个脚本，安装所需的工具。不过要注意，这会增加部署时间和冷启动时间，因为每次冷启动可能需要重新依赖环境缓存完成安装。

你的原始代码：

const extract = require('pdf-text-extract') 
... 
const gcsBucket = gcs.bucket(bucket) 
const tempFilePath = path.join(os.tmpdir(), path.basename(name)) 
return gcsBucket.file(name).download({ destination: tempFilePath }) 
.then(() => { 
  return new Promise((resolve, reject) => { 
    extract(tempFilePath, (err, pages) => { 
      if (err) return reject(err) 
      // I think it fails here 
      return resolve(pages) 
    }) 
  }) 
})

报错信息：

Error: spawn pdftotext ENOENT 
at exports._errnoException (util.js:1020:11) 
at Process.ChildProcess._handle.onexit (internal/child_process.js:197:32) 
at onErrorNT (internal/child_process.js:376:16) 
at _combinedTickCallback (internal/process/next_tick.js:80:11) 
at process._tickDomainCallback (internal/process/next_tick.js:128:9)

内容的提问来源于stack exchange，提问作者Jiew Meng