1. 简介
textractor-wrapper 是一个开源的 npm 包，用于提取 PDF、Word、Excel、PowerPoint、HTML 等文件中的文本，并根据文件类型进行不同的解析。
该包是基于 textract 这个包的封装，对其进行了一些优化和拓展。
2. 安装
使用 npm 安装 textractor-wrapper 十分简单：
npm install textractor-wrapper
3. 使用
textractor-wrapper 提供了 extract 方法，可以用来提取文件中的文本。
-- -------------------- ---- -------
----- ---------- - ------------------------------
---------------------------- -------- ----- ----- -- -
-- ----- -
-------------------
- ---- -
------------------
-
---filepath: 待提取文本的文件路径，必填项。options: 选填项。包括两个关键属性：preserveLineBreaks: 是否保留文本中的行末换行符，类型为布尔值，默认为false。type: 待提取文本的文件类型，类型为字符串。如果不填该属性，将根据文件扩展名自动判断文本类型。当前支持的文本类型包括pdf、docx、xlsx、pptx、html。
callback: 回调函数，必填项。当文本提取成功时，将返回文本内容，否则返回错误信息。
4. 示例
这里提供一个使用示例：
-- -------------------- ---- -------
----- ---------- - ------------------------------
----- -------- - ----------------------
----- ------- - -
------------------- -----
----- ------
--
---------------------------- -------- ----- ----- -- -
-- ----- -
-------------------
- ---- -
--------------------------------
-
---在上面的示例中，我们提取了一个 PDF 文件中的文本，并保留了其中的行末换行符。
5. 总结
textractor-wrapper 提供了一个简单易用的方法，用于从多种文件类型中提取文本。通过 options 参数，我们可以灵活地控制文本提取的方式。无论是提取电子书的内容，还是从 PDF 报告中摘取摘要，都可以借助该包轻松完成。
如果您对该包有兴趣，可以访问 textractor-wrapper 了解更多信息，并参与到它的开源项目中。
来源：JavaScript中文网 ，转载请注明来源 https://www.javascriptcn.com/post/6006733e890c4f72775835d9