Վերնագիր. Սկսնակների ուղեցույց՝ PDF ֆայլերը Node.js-ով վերբեռնելու և մշակելու համար

Ներածություն:

Այս ձեռնարկում մենք կուսումնասիրենք, թե ինչպես կարելի է ստեղծել Node.js հավելված, որը թույլ է տալիս օգտվողներին վերբեռնել PDF ֆայլեր, մշակել այդ ֆայլերի բովանդակությունը և օգտակար տեղեկատվություն քաղել: Մենք կանդրադառնանք այնպիսի թեմաների, ինչպիսիք են ֆայլերի վերբեռնումը, ֆայլերը PDF ձևաչափի փոխակերպելը, PDF բովանդակության վերլուծությունը և բառերի առաջացման հաշվումը: Այս ձեռնարկի ավարտին դուք լավ կհասկանաք, թե ինչպես աշխատել PDF ֆայլերի հետ Node.js-ում:

Նախադրյալներ.

Այս ձեռնարկին հետևելու համար դուք պետք է հիմնական պատկերացում ունենաք JavaScript-ի, Node.js-ի և վեբ զարգացման հայեցակարգերի մասին: Բացի այդ, համոզվեք, որ Node.js-ը տեղադրված է ձեր մեքենայի վրա:

Քայլ 1. Նախագծի կարգավորում

Նախքան կոդի մեջ մտնելը, եկեք ստեղծենք նախագծի կառուցվածքը և տեղադրենք անհրաժեշտ կախվածությունները: Ահա քայլերը.

1. Ստեղծեք նոր գրացուցակ ձեր նախագծի համար:

2. Բացեք տերմինալ և անցեք ծրագրի գրացուցակ:

3. Նախաձեռնեք նոր Node.js նախագիծը՝ գործարկելով «npm init -y» հրամանը:

4. Տեղադրեք անհրաժեշտ կախվածությունները՝ գործարկելով հետևյալ հրամանը.

npm install express pdf-parse fs multer path mammoth html-pdf

Քայլ 2. Էքսպրես հավելվածի ստեղծում

Սկսենք ստեղծելով Express հավելվածը և կարգավորելով անհրաժեշտ միջնակարգ ծրագիրը: Հետևեք այս քայլերին.

1. Ստեղծեք նոր ֆայլ, որը կոչվում է «app.js»:

2. Բացեք «app.js» ֆայլը և ներմուծեք անհրաժեշտ մոդուլները.

   const express = require('express');
   const PDFParser = require('pdf-parse');
   const fs = require('fs');
   const app = express();
   const uploadDirectory = './uploads';
   const multer = require('multer');
   const path = require('path');
   const mammoth = require('mammoth');
   const pdf = require('html-pdf');

3. Ստեղծեք անհրաժեշտ միջին ծրագիրը.

app.use(express.json());
app.use(express.urlencoded({ extended: true }));

4. Սահմանեք մուլտերի պահեստավորման կոնֆիգուրացիան.

const storage = multer.diskStorage({
       destination: (req, file, cb) => {
          cb(null, 'uploads/');
       },
       filename: (req, file, cb) => {
          cb(null, file.originalname);
       }
   });
   const upload = multer({ storage });

5. Ավելացրեք երթուղին՝ ֆայլերի վերբեռնումները կարգավորելու համար.

app.post('/upload', upload.single('file'), async (req, res) => {
       // File upload logic goes here
   });

6. Գործարկեք սերվերը.

app.listen(3000, () => {
    console.log('Server is running on port 3000');
 });

Քայլ 3. Ֆայլերի վերբեռնումների կառավարում

Այս քայլում մենք կկարգավորենք ֆայլերի վերբեռնումները և կմշակենք վերբեռնված ֆայլը: Ահա երթուղու մշակողի ներսում ավելացնելու կոդը.

app.post('/upload', upload.single('file'), async (req, res) => {
    try {
        // Check if a file was uploaded
        if (!req.file) {
            return res.status(400).json({ error: 'No file uploaded' });
        }

        // Retrieve the uploaded file from the request body
        const uploadedFile = req.file;

        // Write the file to the upload directory
        const fileName = `${uploadedFile.originalname}`;
        const filePath = `${uploadDirectory}/${fileName}`;
        const fileData = fs.readFileSync(filePath, 'utf8');
        await processFileData(fileData);

        // Determine the file type
        const fileExtension = uploadedFile.mimetype ?uploadedFile.mimetype : null;

        // Check if the file is already in PDF format
        if (fileExtension === 'application/pdf') {
            // Process the PDF directly
            await processPDF(filePath, res);
        } else {
            // Convert the file to PDF
            const convertedFilePath = await convertToPDF(filePath);

            // Process the converted PDF
            await processPDF(convertedFilePath, res);
        }
    } catch (error) {
         console.error('An error occurred while processing the file:', error);
         res.status(500).json({ error: 'Failed to process the file' });
    }
});

Քայլ 4. PDF-ի մշակում և բառերի առաջացման հաշվում

Այս քայլում մենք կսահմանենք PDF ֆայլը մշակելու և բառերի դեպքերը հաշվելու գործառույթները: Ահա ավելացման կոդը.

// Function to process the file data (perform your file processing logic here)
function processFileData(fileData) {
  fs.writeFile('output.txt', fileData, (err) => {
        if (err) {
            console.error('Error writing file:', err);
        } else {
            console.log('File written successfully');
        }
      });
}

// Function to process the PDF and count word occurrences
async function processPDF(pdfFilePath, res) {
    try {
        // Parse the PDF content
        const pdfBuffer = fs.readFileSync(pdfFilePath);
        const data = await PDFParser(pdfBuffer);
        const pdfText = data.text;

        // Define the words to search and their initial count
        const technologies = ['Node.js', 'React.js', 'Angular', 'Vue.js', 'JavaScript', 'TypeScript', 'HTML', 'CSS', 'Sass', 'Bootstrap', 'jQuery', 'Python', 'Java', 'Ruby', 'Go', 'PHP', 'Swift', 'Kotlin', 'Rust', 'SQL', 'MongoDB', 'Firebase', 'AWS', 'Azure', 'Docker', 'Kubernetes', 'Git', 'GitHub', 'Jenkins', 'CI/CD', 'REST API', 'GraphQL', 'OAuth', 'JSON', 'XML', 'Microservices', 'Artificial Intelligence', 'Machine Learning', 'Data Science', 'Big Data', 'Blockchain'];
        let wordCounts = {};

        // Count the occurrences of each search word
         technologies.forEach((word) => {
            const regex = new RegExp(word, 'gi');
            const count = (pdfText.match(regex) || []).length;
            wordCounts[word] = count;
        });

        // Return the word counts as the response
         wordCounts = Object.fromEntries(Object.entries(wordCounts).filter(([key, value]) => value !== 0));
         res.json({ wordCounts });
    } catch (error) {
          console.error('An error occurred while processing the PDF:', error);
          res.status(500).json({ error: 'Failed to process the PDF' });
    } finally {
        // Clean up - delete the uploaded file and PDF file if needed
    }
}

// Helper function to convert files to PDF using external converter
async function convertToPDF(filePath) {
    return new Promise((resolve, reject) => {
        const convertedFilePath = path.join('converted/', `${path.parse(filePath).name}.pdf`);

        mammoth.extractRawText({ path: filePath })
        .then((result) => {
            const html = `<html><body>${result.value}</body></html>`;

            pdf.create(html).toFile(convertedFilePath, (error) => {
              if (error) {
                reject(error);
              } else {
                resolve(convertedFilePath);
              }
            });
          })
        .catch((error) => {
            reject(error);
          });
      });