PDF处理工作流完全指南：合并、分割、压缩与转换

PDF（Portable Document Format）是最通用的文档格式。无论是合同签署、报告分享还是电子书阅读，PDF都是首选。本文将系统介绍PDF处理的各种技术和最佳实践。

目录

1. PDF基础知识
2. 浏览器端PDF处理
3. 常见PDF操作
4. PDF优化技巧
5. PDF安全性
6. 实战工作流

PDF基础知识

PDF的特点

优势：

• ✅ 跨平台兼容性好
• ✅ 保持原始排版
• ✅ 支持加密和签名
• ✅ 文件大小可控
• ✅ 可嵌入字体和图片

劣势：

• ❌ 编辑不如Word方便
• ❌ 文件可能较大
• ❌ 复制文字可能格式混乱

PDF文件结构

PDF文件结构
├── Header（文件头）- PDF版本信息
├── Body（主体）
│   ├── 页面对象
│   ├── 内容流
│   ├── 字体
│   ├── 图片
│   └── 其他资源
├── Cross-Reference Table（交叉引用表）
└── Trailer（文件尾）

PDF版本

// 常见PDF版本
const pdfVersions = {
  1.3: 'Acrobat 4', // 1999年
  1.4: 'Acrobat 5', // 2001年，支持透明度
  1.5: 'Acrobat 6', // 2003年，支持压缩
  1.6: 'Acrobat 7', // 2005年
  1.7: 'Acrobat 8+', // 2006年，最常用
  '2.0': 'ISO 32000-2', // 2017年，最新标准
};

浏览器端PDF处理

使用PDF.js渲染PDF

// PDF.js是Mozilla开发的开源PDF渲染库
import * as pdfjsLib from 'pdfjs-dist';

// 配置Worker
pdfjsLib.GlobalWorkerOptions.workerSrc = 'pdf.worker.js';

async function renderPDF(url, container) {
  // 加载PDF文档
  const loadingTask = pdfjsLib.getDocument(url);
  const pdf = await loadingTask.promise;

  console.log(`PDF加载完成，共${pdf.numPages}页`);

  // 渲染第一页
  const page = await pdf.getPage(1);
  const viewport = page.getViewport({ scale: 1.5 });

  // 创建canvas
  const canvas = document.createElement('canvas');
  const context = canvas.getContext('2d');
  canvas.width = viewport.width;
  canvas.height = viewport.height;

  // 渲染
  await page.render({
    canvasContext: context,
    viewport: viewport,
  }).promise;

  container.appendChild(canvas);
}

// 使用
renderPDF('/sample.pdf', document.getElementById('viewer'));

提取PDF文本

async function extractText(url) {
  const pdf = await pdfjsLib.getDocument(url).promise;
  const textContent = [];

  for (let i = 1; i <= pdf.numPages; i++) {
    const page = await pdf.getPage(i);
    const content = await page.getTextContent();

    const pageText = content.items.map((item) => item.str).join(' ');

    textContent.push({
      page: i,
      text: pageText,
    });
  }

  return textContent;
}

// 使用
const text = await extractText('/document.pdf');
console.log(text[0].text); // 第一页的文本

PDF缩略图生成

async function generateThumbnail(url, pageNumber = 1, scale = 0.3) {
  const pdf = await pdfjsLib.getDocument(url).promise;
  const page = await pdf.getPage(pageNumber);
  const viewport = page.getViewport({ scale });

  const canvas = document.createElement('canvas');
  const context = canvas.getContext('2d');
  canvas.width = viewport.width;
  canvas.height = viewport.height;

  await page.render({
    canvasContext: context,
    viewport: viewport,
  }).promise;

  // 转换为Data URL
  return canvas.toDataURL('image/jpeg', 0.8);
}

// 生成所有页面的缩略图
async function generateAllThumbnails(url) {
  const pdf = await pdfjsLib.getDocument(url).promise;
  const thumbnails = [];

  for (let i = 1; i <= pdf.numPages; i++) {
    const thumb = await generateThumbnail(url, i);
    thumbnails.push(thumb);
  }

  return thumbnails;
}

常见PDF操作

1. PDF合并

// 使用pdf-lib库
import { PDFDocument } from 'pdf-lib';

async function mergePDFs(pdfFiles) {
  // 创建新的PDF文档
  const mergedPdf = await PDFDocument.create();

  for (const file of pdfFiles) {
    // 读取文件
    const arrayBuffer = await file.arrayBuffer();
    const pdf = await PDFDocument.load(arrayBuffer);

    // 复制所有页面
    const copiedPages = await mergedPdf.copyPages(pdf, pdf.getPageIndices());

    // 添加到新文档
    copiedPages.forEach((page) => {
      mergedPdf.addPage(page);
    });
  }

  // 保存
  const pdfBytes = await mergedPdf.save();
  return new Blob([pdfBytes], { type: 'application/pdf' });
}

// 使用
document.getElementById('mergeBtn').addEventListener('click', async () => {
  const files = document.getElementById('fileInput').files;
  const merged = await mergePDFs(Array.from(files));

  // 下载
  const url = URL.createObjectURL(merged);
  const a = document.createElement('a');
  a.href = url;
  a.download = 'merged.pdf';
  a.click();
  URL.revokeObjectURL(url);
});

2. PDF分割

async function splitPDF(file, pageRanges) {
  const arrayBuffer = await file.arrayBuffer();
  const pdf = await PDFDocument.load(arrayBuffer);

  const result = [];

  for (const range of pageRanges) {
    const newPdf = await PDFDocument.create();
    const pages = await newPdf.copyPages(pdf, range);

    pages.forEach((page) => newPdf.addPage(page));

    const pdfBytes = await newPdf.save();
    result.push(new Blob([pdfBytes], { type: 'application/pdf' }));
  }

  return result;
}

// 使用示例
// 分割为多个单页PDF
async function splitIntoPages(file) {
  const arrayBuffer = await file.arrayBuffer();
  const pdf = await PDFDocument.load(arrayBuffer);
  const pageCount = pdf.getPageCount();

  const ranges = Array.from({ length: pageCount }, (_, i) => [i]);
  return await splitPDF(file, ranges);
}

// 分割为指定范围
const parts = await splitPDF(file, [
  [0, 1, 2], // 第1-3页
  [3, 4, 5, 6], // 第4-7页
  [7, 8, 9], // 第8-10页
]);

3. PDF压缩

async function compressPDF(file, quality = 0.7) {
  const arrayBuffer = await file.arrayBuffer();
  const pdf = await PDFDocument.load(arrayBuffer);

  // 压缩策略：降低图片质量
  const pages = pdf.getPages();

  for (const page of pages) {
    // 获取页面资源
    const resources = page.node.Resources();

    if (resources && resources.lookup(PDFName.of('XObject'))) {
      const xObjects = resources.lookup(PDFName.of('XObject'));

      // 遍历所有图片对象
      xObjects.entries().forEach(([name, ref]) => {
        const image = pdf.context.lookup(ref);

        if (image && image.lookup(PDFName.of('Subtype'))?.toString() === '/Image') {
          // 这里可以实现图片压缩逻辑
          // 注意：pdf-lib的压缩功能有限，复杂压缩需要服务端处理
        }
      });
    }
  }

  // 保存时使用压缩选项
  const pdfBytes = await pdf.save({
    useObjectStreams: true, // 使用对象流压缩
    addDefaultPage: false,
  });

  return new Blob([pdfBytes], { type: 'application/pdf' });
}

注意：浏览器端PDF压缩能力有限，大幅压缩建议使用服务端工具：

# 使用Ghostscript压缩（服务端）
gs -sDEVICE=pdfwrite \
   -dCompatibilityLevel=1.4 \
   -dPDFSETTINGS=/ebook \
   -dNOPAUSE -dQUIET -dBATCH \
   -sOutputFile=compressed.pdf \
   input.pdf

# 压缩质量选项
# /screen - 低质量，小文件（72dpi）
# /ebook - 中等质量（150dpi）
# /printer - 高质量（300dpi）
# /prepress - 印刷质量（300dpi，保留颜色）

4. PDF转图片

async function pdfToImages(file, scale = 2) {
  const arrayBuffer = await file.arrayBuffer();
  const pdf = await pdfjsLib.getDocument(arrayBuffer).promise;

  const images = [];

  for (let i = 1; i <= pdf.numPages; i++) {
    const page = await pdf.getPage(i);
    const viewport = page.getViewport({ scale });

    const canvas = document.createElement('canvas');
    const context = canvas.getContext('2d');
    canvas.width = viewport.width;
    canvas.height = viewport.height;

    await page.render({
      canvasContext: context,
      viewport: viewport,
    }).promise;

    // 转换为高质量JPEG
    const imageData = canvas.toDataURL('image/jpeg', 0.95);
    images.push({
      page: i,
      data: imageData,
      width: viewport.width,
      height: viewport.height,
    });
  }

  return images;
}

// 下载所有图片
async function downloadPDFAsImages(file) {
  const images = await pdfToImages(file);

  images.forEach((img, index) => {
    const a = document.createElement('a');
    a.href = img.data;
    a.download = `page-${index + 1}.jpg`;
    a.click();
  });
}

5. 图片转PDF

async function imagesToPDF(imageFiles) {
  const pdfDoc = await PDFDocument.create();

  for (const file of imageFiles) {
    const arrayBuffer = await file.arrayBuffer();

    let image;
    if (file.type === 'image/jpeg' || file.type === 'image/jpg') {
      image = await pdfDoc.embedJpg(arrayBuffer);
    } else if (file.type === 'image/png') {
      image = await pdfDoc.embedPng(arrayBuffer);
    } else {
      console.warn(`跳过不支持的格式: ${file.type}`);
      continue;
    }

    // 创建页面（A4尺寸或图片原始尺寸）
    const page = pdfDoc.addPage([image.width, image.height]);

    // 绘制图片
    page.drawImage(image, {
      x: 0,
      y: 0,
      width: image.width,
      height: image.height,
    });
  }

  const pdfBytes = await pdfDoc.save();
  return new Blob([pdfBytes], { type: 'application/pdf' });
}

// 使用
const images = document.getElementById('imageInput').files;
const pdf = await imagesToPDF(Array.from(images));

6. 添加水印

async function addWatermark(file, watermarkText) {
  const arrayBuffer = await file.arrayBuffer();
  const pdfDoc = await PDFDocument.load(arrayBuffer);

  const pages = pdfDoc.getPages();
  const font = await pdfDoc.embedFont(StandardFonts.Helvetica);

  pages.forEach((page) => {
    const { width, height } = page.getSize();

    // 添加文字水印
    page.drawText(watermarkText, {
      x: width / 2 - 100,
      y: height / 2,
      size: 50,
      font: font,
      color: rgb(0.7, 0.7, 0.7),
      rotate: degrees(45),
      opacity: 0.3,
    });
  });

  const pdfBytes = await pdfDoc.save();
  return new Blob([pdfBytes], { type: 'application/pdf' });
}

// 添加图片水印
async function addImageWatermark(file, watermarkImageUrl) {
  const arrayBuffer = await file.arrayBuffer();
  const pdfDoc = await PDFDocument.load(arrayBuffer);

  const imageBytes = await fetch(watermarkImageUrl).then((res) => res.arrayBuffer());
  const watermark = await pdfDoc.embedPng(imageBytes);

  const pages = pdfDoc.getPages();

  pages.forEach((page) => {
    const { width, height } = page.getSize();
    const watermarkSize = 100;

    page.drawImage(watermark, {
      x: width - watermarkSize - 20,
      y: 20,
      width: watermarkSize,
      height: watermarkSize,
      opacity: 0.5,
    });
  });

  const pdfBytes = await pdfDoc.save();
  return new Blob([pdfBytes], { type: 'application/pdf' });
}

PDF优化技巧

减小文件大小

1. 压缩图片

async function optimizeImages(pdfFile) {
  // 提取PDF中的图片
  const images = await extractImages(pdfFile);

  // 压缩每张图片
  const compressedImages = await Promise.all(images.map((img) => compressImage(img, 0.7)));

  // 重新创建PDF
  return await createPDFFromImages(compressedImages);
}

async function compressImage(imageBlob, quality) {
  return new Promise((resolve) => {
    const img = new Image();
    img.onload = () => {
      const canvas = document.createElement('canvas');
      canvas.width = img.width;
      canvas.height = img.height;

      const ctx = canvas.getContext('2d');
      ctx.drawImage(img, 0, 0);

      canvas.toBlob(resolve, 'image/jpeg', quality);
    };
    img.src = URL.createObjectURL(imageBlob);
  });
}

2. 删除元数据

async function removeMetadata(file) {
  const arrayBuffer = await file.arrayBuffer();
  const pdfDoc = await PDFDocument.load(arrayBuffer);

  // 清除元数据
  pdfDoc.setTitle('');
  pdfDoc.setAuthor('');
  pdfDoc.setSubject('');
  pdfDoc.setKeywords([]);
  pdfDoc.setProducer('');
  pdfDoc.setCreator('');

  const pdfBytes = await pdfDoc.save();
  return new Blob([pdfBytes], { type: 'application/pdf' });
}

3. 删除未使用的资源

// 这通常需要专业工具
// Adobe Acrobat Pro: 文件 > 另存为其他 > 优化的PDF
// Ghostscript: 会自动清理未使用资源

提高加载速度

1. 启用快速Web查看

// pdf-lib默认生成线性化PDF（快速Web查看）
const pdfBytes = await pdfDoc.save({
  useObjectStreams: false, // 禁用对象流以支持线性化
});

2. 分页加载

class PDFViewer {
  constructor(url, container) {
    this.url = url;
    this.container = container;
    this.currentPage = 1;
  }

  async init() {
    this.pdf = await pdfjsLib.getDocument(this.url).promise;
    this.totalPages = this.pdf.numPages;
    await this.renderPage(1);
  }

  async renderPage(pageNumber) {
    const page = await this.pdf.getPage(pageNumber);
    const viewport = page.getViewport({ scale: 1.5 });

    const canvas = document.createElement('canvas');
    canvas.width = viewport.width;
    canvas.height = viewport.height;

    await page.render({
      canvasContext: canvas.getContext('2d'),
      viewport: viewport,
    }).promise;

    this.container.innerHTML = '';
    this.container.appendChild(canvas);
    this.currentPage = pageNumber;
  }

  nextPage() {
    if (this.currentPage < this.totalPages) {
      this.renderPage(this.currentPage + 1);
    }
  }

  prevPage() {
    if (this.currentPage > 1) {
      this.renderPage(this.currentPage - 1);
    }
  }
}

PDF安全性

加密PDF

// 注意：pdf-lib的加密功能有限
// 真正的PDF加密需要使用专业工具或服务端处理

async function encryptPDF(file, password) {
  // 浏览器端加密PDF较复杂
  // 推荐使用服务端API

  const formData = new FormData();
  formData.append('file', file);
  formData.append('password', password);

  const response = await fetch('/api/pdf/encrypt', {
    method: 'POST',
    body: formData,
  });

  return await response.blob();
}

// 服务端示例（Node.js + pdf-lib）
// const { PDFDocument, StandardFonts } = require('pdf-lib');
//
// async function encryptPDF(inputPath, outputPath, password) {
//   const pdfBytes = fs.readFileSync(inputPath);
//   const pdfDoc = await PDFDocument.load(pdfBytes);
//
//   const encryptedPdfBytes = await pdfDoc.save({
//     userPassword: password,
//     ownerPassword: password,
//     permissions: {
//       printing: 'highResolution',
//       modifying: false,
//       copying: false,
//       annotating: false,
//       fillingForms: false,
//       contentAccessibility: true,
//       documentAssembly: false
//     }
//   });
//
//   fs.writeFileSync(outputPath, encryptedPdfBytes);
// }

数字签名

// PDF数字签名需要证书
// 通常在服务端处理

async function signPDF(file, certificateData) {
  const formData = new FormData();
  formData.append('file', file);
  formData.append('certificate', certificateData);

  const response = await fetch('/api/pdf/sign', {
    method: 'POST',
    body: formData,
  });

  return await response.blob();
}

权限控制

const permissions = {
  printing: 'none', // 禁止打印
  modifying: false, // 禁止修改
  copying: false, // 禁止复制
  annotating: false, // 禁止注释
  fillingForms: false, // 禁止填写表单
  contentAccessibility: true, // 允许屏幕阅读器
  documentAssembly: false, // 禁止页面提取
};

实战工作流

工作流1：批量发票处理

class InvoiceProcessor {
  async process(invoiceFiles) {
    const results = [];

    for (const file of invoiceFiles) {
      try {
        // 1. 提取文本
        const text = await this.extractText(file);

        // 2. 解析发票信息
        const invoiceData = this.parseInvoiceData(text);

        // 3. 验证数据
        if (this.validate(invoiceData)) {
          // 4. 添加水印
          const watermarked = await addWatermark(file, 'PROCESSED');

          // 5. 重命名文件
          const newName = `${invoiceData.number}_${invoiceData.date}.pdf`;

          results.push({
            success: true,
            file: watermarked,
            name: newName,
            data: invoiceData,
          });
        }
      } catch (error) {
        results.push({
          success: false,
          error: error.message,
        });
      }
    }

    return results;
  }

  parseInvoiceData(text) {
    // 使用正则提取发票号、日期、金额等
    const numberMatch = text.match(/发票号码[：:]\s*(\S+)/);
    const dateMatch = text.match(/日期[：:]\s*(\d{4}-\d{2}-\d{2})/);
    const amountMatch = text.match(/金额[：:]\s*¥?(\d+\.?\d*)/);

    return {
      number: numberMatch?.[1],
      date: dateMatch?.[1],
      amount: amountMatch?.[1],
    };
  }

  validate(data) {
    return data.number && data.date && data.amount;
  }

  async extractText(file) {
    const arrayBuffer = await file.arrayBuffer();
    const pdf = await pdfjsLib.getDocument(arrayBuffer).promise;
    const page = await pdf.getPage(1);
    const content = await page.getTextContent();
    return content.items.map((item) => item.str).join(' ');
  }
}

工作流2：电子书制作

class EbookMaker {
  async create(chapters) {
    const pdfDoc = await PDFDocument.create();
    const font = await pdfDoc.embedFont(StandardFonts.TimesRoman);
    const boldFont = await pdfDoc.embedFont(StandardFonts.TimesRomanBold);

    let pageNumber = 1;

    for (const chapter of chapters) {
      // 添加章节标题页
      const titlePage = pdfDoc.addPage([595, 842]); // A4
      titlePage.drawText(chapter.title, {
        x: 50,
        y: 750,
        size: 24,
        font: boldFont,
      });

      // 添加章节内容
      const lines = this.splitIntoLines(chapter.content, 70);
      let yPosition = 700;

      for (const line of lines) {
        if (yPosition < 100) {
          // 新建页面
          const page = pdfDoc.addPage([595, 842]);
          yPosition = 750;

          // 添加页码
          page.drawText(`${pageNumber}`, {
            x: 550,
            y: 50,
            size: 10,
            font: font,
          });

          pageNumber++;
        }

        titlePage.drawText(line, {
          x: 50,
          y: yPosition,
          size: 12,
          font: font,
        });

        yPosition -= 20;
      }

      pageNumber++;
    }

    // 添加目录
    await this.addTableOfContents(pdfDoc, chapters);

    const pdfBytes = await pdfDoc.save();
    return new Blob([pdfBytes], { type: 'application/pdf' });
  }

  splitIntoLines(text, maxChars) {
    const words = text.split(' ');
    const lines = [];
    let currentLine = '';

    for (const word of words) {
      if ((currentLine + word).length > maxChars) {
        lines.push(currentLine.trim());
        currentLine = word + ' ';
      } else {
        currentLine += word + ' ';
      }
    }

    if (currentLine) {
      lines.push(currentLine.trim());
    }

    return lines;
  }

  async addTableOfContents(pdfDoc, chapters) {
    const tocPage = pdfDoc.insertPage(0, [595, 842]);
    const font = await pdfDoc.embedFont(StandardFonts.TimesRomanBold);

    tocPage.drawText('目录', {
      x: 250,
      y: 750,
      size: 20,
      font: font,
    });

    let yPosition = 700;
    chapters.forEach((chapter, index) => {
      tocPage.drawText(`${index + 1}. ${chapter.title}`, {
        x: 50,
        y: yPosition,
        size: 14,
        font: font,
      });
      yPosition -= 30;
    });
  }
}

工作流3：简历筛选系统

class ResumeScreener {
  constructor(keywords) {
    this.keywords = keywords;
  }

  async screen(resumeFiles) {
    const results = [];

    for (const file of resumeFiles) {
      const text = await this.extractText(file);
      const score = this.calculateScore(text);
      const matches = this.findKeywordMatches(text);

      results.push({
        filename: file.name,
        score: score,
        matches: matches,
        qualified: score >= 60,
      });
    }

    // 按分数排序
    return results.sort((a, b) => b.score - a.score);
  }

  calculateScore(text) {
    let score = 0;
    const lowerText = text.toLowerCase();

    this.keywords.forEach((keyword) => {
      const regex = new RegExp(keyword.term, 'gi');
      const matches = lowerText.match(regex);

      if (matches) {
        score += keyword.weight * matches.length;
      }
    });

    return Math.min(score, 100);
  }

  findKeywordMatches(text) {
    const matches = [];

    this.keywords.forEach((keyword) => {
      const regex = new RegExp(keyword.term, 'gi');
      const found = text.match(regex);

      if (found) {
        matches.push({
          keyword: keyword.term,
          count: found.length,
        });
      }
    });

    return matches;
  }

  async extractText(file) {
    const arrayBuffer = await file.arrayBuffer();
    const pdf = await pdfjsLib.getDocument(arrayBuffer).promise;
    let fullText = '';

    for (let i = 1; i <= pdf.numPages; i++) {
      const page = await pdf.getPage(i);
      const content = await page.getTextContent();
      fullText += content.items.map((item) => item.str).join(' ') + '\n';
    }

    return fullText;
  }
}

// 使用
const screener = new ResumeScreener([
  { term: 'javascript', weight: 10 },
  { term: 'react', weight: 8 },
  { term: 'node\\.js', weight: 8 },
  { term: '本科', weight: 5 },
  { term: '3年经验', weight: 7 },
]);

const results = await screener.screen(resumeFiles);
console.log(
  '合格简历:',
  results.filter((r) => r.qualified)
);

总结

PDF处理是日常工作中的常见需求，掌握相关技术能大幅提升效率：

核心要点

1. 选择合适的库：

   • PDF.js：渲染和阅读
   • pdf-lib：创建和修改
   • jsPDF：从零创建PDF

2. 浏览器vs服务端：

   • 浏览器：适合轻量级操作
   • 服务端：适合复杂处理（加密、OCR、压缩）

3. 性能优化：

   • 分页加载
   • 压缩图片
   • 启用快速Web查看

4. 安全考虑：

   • 敏感文档加密
   • 权限控制
   • 数字签名验证

最佳实践

• ✅ 大文件使用服务端处理
• ✅ 压缩前备份原始文件
• ✅ 合并前检查文件完整性
• ✅ 使用Web Worker避免阻塞UI
• ✅ 添加错误处理和进度提示

相关工具

• 📄 PDF合并工具 - 快速合并多个PDF
• ✂️ PDF分割工具 - 提取指定页面
• 🗜️ PDF压缩工具 - 减小文件大小
• 🔒 PDF加密工具 - 保护文档安全

---

关键词: PDF处理, PDF合并, PDF分割, PDF压缩, PDF.js, pdf-lib

更新时间: 2026-01-05