问题

I need to parse through multiple PDF files in one of the folders in my Google Drive, and return the parsed information into a Google Sheet. (I have already worked with parsing through Gmail so I don't think this will be a problem for me)

However, the research I have done about this indicates that I will need to import a Library first into my script editor that can parse through PDF files.

我需要在我的Google Drive文件夹中解析多个PDF文件，并将解析后的信息返回到Google表格中。（我已经解析过Gmail，所以我认为这对我不会是个问题）

然而，我所做的研究表明，我需要首先在我的脚本编辑器中导入一个可以解析PDF文件的库。

I am trying to import the PDF.js Library, but I cannot find the script ID, so instead, I am trying to import the code into a Script file that can then be added as a Library into other scripts.

我尝试导入PDF.js库，但我找不到脚本ID，所以我正在尝试导入代码到一个脚本文件中，然后可以将其添加为其他脚本的库。

I have downloaded the Zip file from the repository on GitHub: https://github.com/mozilla/pdf.js

我已从GitHub仓库下载了Zip文件：https://github.com/mozilla/pdf.js

However, I am not sure which file to copy into the script editor? Should it be the file called "Builder.js"?

然而，我不确定应该复制哪个文件到脚本编辑器？应该是名为"Builder.js"的文件吗？

Sorry this is the first time I am interacting with GitHub.

抱歉，这是我第一次与GitHub互动。

EDIT: Current script looks something like this. Unlike email, I cannot retrieve the contents of the PDF file in text form so that I can pull out information I need

编辑：当前脚本看起来是这样的。与电子邮件不同，我无法以文本形式检索PDF文件的内容，以便提取我需要的信息。

function getPDFfiles() {
  const pdfFolder = DriveApp.getFolderById("myfolderid");
  const files = pdfFolder.getFilesByType(MimeType.PDF);
  let pdfNames = [];
  while (files.hasNext()) {
    const file = files.next();
    const fileName = file.getName();
    pdfNames.push([fileName]);
  }
  generator.getRange(2, 1, pdfNames.length, pdfNames[0].length).setValues(pdfNames);
}; // getPDFfiles function ends

function getPDFfiles() {
  const pdfFolder = DriveApp.getFolderById("myfolderid");
  const files = pdfFolder.getFilesByType(MimeType.PDF);
  let pdfNames = [];
  while (files.hasNext()) {
    const file = files.next();
    const fileName = file.getName();
    pdfNames.push([fileName]);
  }
  generator.getRange(2, 1, pdfNames.length, pdfNames[0].length).setValues(pdfNames);
}; // getPDFfiles function ends

function getPDFfiles () {

const pdfFolder = DriveApp.getFolderById("myfolderid");
const files = pdfFolder.getFilesByType(MimeType.PDF);

let pdfNames = []

while (files.hasNext()) {
    const file = files.next();
    const fileName = file.getName();
  pdfNames.push([fileName]);
  }


generator.getRange(2, 1, pdfNames.length, pdfNames[0].length).setValues(pdfNames);


}; // getPDFfiles function ends

答案1

得分: 3

I believe your goal is as follows.

• 您希望使用Google Apps Script将PDF文件转换为文本数据。

在当前阶段，我担心PDF.js可能无法直接与Google Apps Script一起使用。因此，在这种情况下，我想提出一种不使用PDF.js的方法。当您的显示脚本被修改时，以下修改如何？

修改后的脚本：

在这个修改后的脚本中，使用Drive API将PDF格式转换为Google文档。因此，请在高级Google服务中启用Drive API。

function getPDFfiles() {
  const pdfFolder = DriveApp.getFolderById("myfolderid");
  const files = pdfFolder.getFilesByType(MimeType.PDF);
  const res = []
  while (files.hasNext()) {
    const file = files.next();
    const tempId = Drive.Files.copy({ mimeType: MimeType.GOOGLE_DOCS }, file.getId(), { supportsAllDrives: true }).id;
    const text = DocumentApp.openById(tempId).getBody().getText();
    DriveApp.getFileById(tempId).setTrashed(true); // or Drive.Files.remove(tempId);
    const fileName = file.getName();
    res.push([fileName, text]);
  }

  const generator = SpreadsheetApp.getActiveSheet(); // 请设置您的工作表。
  generator.getRange(2, 1, res.length, res[0].length).setValues(res);
}

• 当运行此脚本时，PDF数据将转换为Google文档。然后，从Google文档中检索文本数据。接着，将临时Google文档删除。最后，将文件名和转换后的文本放入电子表格中。

注意：

• 这个示例脚本是用来从PDF数据中检索文本数据的。如果您想要从文本数据中检索特定文本，我认为也可以从Google文档中实现。

参考：

• Method: files.copy

function getPDFfiles() {
  const pdfFolder = DriveApp.getFolderById("myfolderid");
  const files = pdfFolder.getFilesByType(MimeType.PDF);
  const res = []
  while (files.hasNext()) {
    const file = files.next();
    const tempId = Drive.Files.copy({ mimeType: MimeType.GOOGLE_DOCS }, file.getId(), { supportsAllDrives: true }).id;
    const text = DocumentApp.openById(tempId).getBody().getText();
    DriveApp.getFileById(tempId).setTrashed(true); // or Drive.Files.remove(tempId);
    const fileName = file.getName();
    res.push([fileName, text]);
  }

  const generator = SpreadsheetApp.getActiveSheet(); // Please set your sheet.
  generator.getRange(2, 1, res.length, res[0].length).setValues(res);
}