我可以使用Node.js阅读PDF或Word文档吗？
我找不到任何软件包来做到这一点。 我知道PHP有很多PDF的库（比如http://www.fpdf.org/ ），但是Node有什么用？
您可以轻松地将一个转换为另一个，或者使用例如.doc模板来生成.pdf文件，但是您可能希望使用现有的Web服务来执行此任务。
例如，这可以使用Livedocx的服务来完成
要从节点使用此服务，请参阅node-livedocx （免责声明：我是此节点模块的作者）
textract是一个很好的支持PDF，Doc，Docx等的库
看起来有一些PDF，但我没有find任何的Word。
像这样的CPU绑定处理实际上并不是Node的强项（也就是说，使用节点来处理任何其他语言，您不会获得额外的好处）。 一个实用的方法是find一个好的工具，并从Node中使用它。
我已经在办公室听到了关于docsplit的好消息http://documentcloud.github.com/docsplit/
虽然不是Node，但您可以使用http://nodejs.org/docs/latest/api/all.html#child_process.exec轻松地从Node中调用它
我会build议看看unoconv为您的初始转换，这使用LibreOffice或OpenOffice的实际转换。 这增加了一些开销。
我会设置几个工作人员的所有必需品设置，并使用请求/响应队列来处理转换…（可能想看看kue或zmq ）
一般来说，这是一个CPU的任务，应该卸载… Pandoc和其他人特别提到.docx ，而不是.doc所以他们可能也可能不是选项。
注：我知道这个问题是旧的，只是想为其他人提供一个当前的答案。
为了parsingpdf文件，你可以使用pdf2json节点模块
它允许您将pdf文件转换为json以及原始文本数据。
另一个不错的select，如果你只需要从Word文档转换是Mammoth.js 。
猛犸象devise用来转换.docx文件，例如由Microsoft Word创build的文件，并将它们转换为HTML。 猛犸象旨在通过使用文档中的语义信息来生成简单而干净的HTML，而忽略其他细节。 例如，猛犸象将任何一种带有标题1样式的段落转换成h1元素，而不是试图完全复制标题的样式（字体，文字大小，颜色等）。
.docx使用的结构与HTML结构之间存在很大的不匹配，这意味着转换对于更复杂的文档来说不太可能是完美的。 如果只使用样式在语义上标记文档，则猛犸象效果最好。
您可以使用PDF文件的PDF文件。 它会将文本从pdf中提取到文本“块”的数组中。 用于对结构化的pdf文本进行模糊分析。
var pdfText = require('pdf-text') var pathToPdf = __dirname + "/info.pdf" pdfText(pathToPdf, function(err, chunks) { //chunks is an array of strings //loosely corresponding to text objects within the pdf //for a more concrete example, view the test file in this repo }) var fs = require('fs') var buffer = fs.readFileSync(pathToPdf) pdfText(buffer, function(err, chunks) { console.log(chunks) })
对于docx文件你可以使用猛犸象，它会从.docx文件中提取文本。
var mammoth = require("mammoth"); mammoth.extractRawText({path: "./doc.docx"}) .then(function(result){ var text = result.value; // The raw text console.log(text); var messages = result.messages; }) .done();
我希望这将有所帮助。