pdf2json npm包读取PDF内容并重命名

公司手机话费报销需要每个人的电子发票作为报销依据，并且电子发票需要规范命名，包括帐期、手机号码、姓名等三个关健值。过完年回来发现电信的业务系统升级了，有点坑的是电子发票文件名的格式变了，上述关健值一个都没有。和电信的业务经理沟通无果，略微生气，想让我一个个手动命名，那是不可能的。于是开始入坑……

一开始想用C语言写，写完打包成exe可执行文件，便于后续使用。一番搜索之后发现，是我太天真了。C不行、Java不会，python又半吊子水那只能JS了。幸好，一番搜索之后发现了pdf2json这个npm包，并且能满足使用。

1.读取PDF内容

2.根据PDF中的帐期 、手机号码、姓名等关键字匹配出需要的值

3.构造新的符合规范的文件名

4.重命名PDF文件并生成账单

需要node-xlsx、pdf2json两个npm包，安装指令：

npm i node-xlsx
npm i pdf2json

需要下述三个：

const fs = require('fs')
const PDFParser = require('pdf2json')
const xlsx = require('node-xlsx')

集成终端中执行js文件即会将目录下的PDF电子发票命名为“帐期_手机号码_姓名”格式，并且生成一份Excel表格，记录每个文件中的账期、手机号码、姓名、发票金额，形成账单。

虽然实现了功能满足了需求，但代码写得好烂，自己都不想看。

只适合PDF文件少的情况，多了估计会崩……

const fs = require('fs')
const PDFParser = require('pdf2json')
const xlsx = require('node-xlsx')

//对象存放电话名单
var number = {
  13388886666:'张三',
  16688886666:'李四',
  ……
}

//存放读取到PDF的数据：帐期、手机号码、发票金额
let tableObj = [
  {
    name:'Sheet1',
    data:[]
  }
]

//封装PDF文件读取并重命名函数，第一个参数是相对路径，第二个参数是相对路径+原文件名，第三个参数是备注
async function renamePDF(dir, oldPath, remark){  
  console.log("step 2")
  var pdfParser = new PDFParser(this, 1)  //注意：要在函数内定义，不然会报错aync问题
  pdfParser.loadPDF(oldPath)
  pdfParser.on("pdfParser_dataError", errData => console.log(errData.parserError))
  pdfParser.on("pdfParser_dataReady", pdfData => {
    console.log("step 3")
    //读取PDF，转换成TXT文本内容
    let dataTXT = pdfParser.getRawTextContent()
    //正则：删除空白字符和.符号
    let dataTXTs = dataTXT.replace(/(s|.)+/g,'')
    //正则：匹配并返回号码、账期、发票金额
    let dataTarget = dataTXTs.match(/(?<=(号码.|帐期.|￥))[0-9]*/g)    
        
    //构造新文件名，根据手机号码匹配姓名
    console.log(dataTarget[4])
    Object.keys(number).forEach((key)=>{
      if (key == dataTarget[4]) {
        let newPath = `${dir}/${dataTarget[3]}_${dataTarget[4]}_${number[key]}.pdf`
        //fs内置模块重命名文件
        fs.rename(oldPath, newPath, (error)=>{
            if(error) throw error
            console.log("step 4")
            console.log('重命名成功')
        })
      }
    })

    //将结果写到xlsx表格中，注意这里会重复写需要优化
    tableObj[0].data.push(dataTarget)
    console.log("step 7")
    console.log(tableObj)
    let dataTargetBuffer = xlsx.build(tableObj)
    fs.writeFileSync('./dataTarget.xlsx', dataTargetBuffer, 'binary')
  })
}

//封装重命名文件函数
function  renameTicket(dir, remark){
  //读取dir目录下的所有PDF文件名
  fs.readdir(dir, (error, content)=>{
    content.forEach((value,index)=>{
      oldPath = `${dir}/${value}`
      console.log("step 1")
      //异步调用PDF重命名函数，并发执行，注意并发数
      renamePDF(dir, oldPath, remark)      
    })
    console.log("step 5")
    console.log("forEach Done.")
  })
  console.log("step 6")
  console.log("readdir Done.")
}

//调用重名文件函数，第一个参数是相对路径，第二个是号码之后的内容
renameTicket('./filesPDF', '备注')

（1）npm包pdf2json

（2）菜鸟教程-正则表达式语法