Go语言读取PDF文件内容（io.Reader方式传参）

由于项目要用到解析PDF文件的工作，于是我去了解了一些支持PDF解析的Go库，常见的很多库

https://github.com/rsc/pdf
https://github.com/hhrutter/pdfcpu
https://github.com/ledongthuc/pdf
https://github.com/unidoc/unidoc
https://github.com/sajari/docconv

这些库里面，

ledongthuc/pdf 是我用着感觉最不错而且免费的库，可惜只能支持本地解析，不能通过io.Reader 的方式解析PDF文件。

unidoc/unidoc 这个库，需要收费，注册一个号后可以免费使用100次。

其他的库，都不太推荐。

在我一筹莫展的时候，一篇文章给予了我希望。在此附上这篇文章的链接，感谢这篇文章的作者让我实现了解析的工作

Go 语言实现读取 pdf 文件内容 - Yusank`s Site

我看了博主的第二种方案，Tika + go client   思路是，在Docker 里 拉取 apache/tika 镜像，然后运行这个容器，然后在项目中引入go-tika 包，通过client给服务器的tika容器发处理请求。然后就可得到pdf的内容了。

以下是我的实现代码：

// 调用Tika库生成字符串
func ProcessTikaData(f io.Reader) (resumeContent string, err error) {
	//模拟客户端
	client := tika.NewClient(nil, "http://服务器ip地址:9998")
	//转成str的html页面
	context1, err := client.Parse(context.TODO(), f)
	//正则匹配
	reg := regexp.MustCompile(`(?s)<p>(.*?)</p>`)
	//找到所有的成切片
	res := reg.FindAllStringSubmatch(context1, -1)
	//遍历添加到resumeContent
	for _, match := range res {
		resumeContent += match[1]
	}
	return resumeContent, err
}

每一步我都加了注释，context1 得到的是字符串类型的HTML页面，控制台输出如下

 里面p标签的内容才是我想要的，因此我使用了正则匹配，检索到了p标签的内容。输出如下

在主函数中调用该方法：

func ParseHandler(c *gin.Context) {
	//判断是否上传文件
	_, header, err := c.Request.FormFile("file")
	if err != nil {
		zap.L().Error("文件没有上传", zap.Error(err))
		ResponseError(c, CodeInvalidParams)
		return
	}
	//判断文件是否接收成功
	f, err := header.Open()
	if err != nil {
		zap.L().Error("接收文件失败", zap.Error(err))
		ResponseErrorWithMsg(c, CodeServerBusy, "接收文件失败")
		return
	}
	//接收返回的数据
	resumeData, err := ProcessTikaData(f)
	if err != nil {
		zap.L().Error("", zap.Error(err))
		ResponseErrorWithMsg(c, CodeServerBusy, "简历字符串生成失败")
		return
	}
	fmt.Println(resumeData)
}

这个主函数实现了非本地文件解析的功能，不是输入本地文件路径进行解析，而是获得到二进制文件流的形式，适用于前端客户上传文件的功能。

在Apifox中，传递的参数如下图所示：

 以上就是我的实现方案。