extrator-dados-pdf

Addon nativo Node.js (C++/N-API) para extrair texto e metadados básicos de PDFs usando PDFium.

Requisitos

• Node.js 18+ (recomendado 20+)
• Python 3 (node-gyp)
• Ferramentas de build C++
  • Windows: Visual Studio Build Tools 2022 (C++), MSVC x64
  • Linux/macOS: Clang/GCC e CMake (a validar)

Observação: este repositório inclui binários do PDFium para Windows x64 em pdfium/lib/win/x64. A DLL (pdfium.dll) é copiada automaticamente para a pasta de saída durante o build.

Instalação e build (local)

npm install
npm run build

Se alterar os fontes nativos, rode:

npm run rebuild

Build no Windows

1. Instale o Visual Studio Build Tools 2022 (com workload de C++ / MSVC x64) e Python 3.
2. Os binários do PDFium para Windows x64 já estão neste repositório em pdfium/lib/win/x64.
3. Rode:

   npm install
   npm run build

   A pdfium.dll será copiada automaticamente para a pasta de saída do addon.

Build no Linux

1. Instale as ferramentas de build:

   sudo apt-get update
   sudo apt-get install -y build-essential python3 make g++ cmake

   (Em outras distros, instale os equivalentes; iconv geralmente faz parte da glibc.)
2. Coloque o libpdfium.so correspondente na árvore do projeto:
   • x64: pdfium/lib/linux/x64/lib/libpdfium.so
   • arm64: pdfium/lib/linux/arm64/lib/libpdfium.so
3. Rode:

   npm install
   npm run build

   O build copia o libpdfium.so para a pasta de saída e define rpath para carregá-lo em runtime.

Suporte de plataforma (atual)

• Windows x64: suportado
• Linux/macOS: em planejamento

Uso básico

const { extractPdf } = require('extrator-dados-pdf'); // ou require('./') durante o desenvolvimento

const filePath = 'test/exemplo.pdf';

// Extração básica
const result = extractPdf(filePath);
console.log(result.metadata); // { title, author, pages }
console.log(result.pages[0].text); // texto da primeira página

// PDF com senha
const secured = extractPdf(filePath, { password: 'minha-senha' });

Retorno:

{
  metadata: {
    title: string,
    author: string,
    pages: number
  },
  pages: Array<{ page: number, text: string }>
}

Testes

Coloque um PDF de exemplo em test/exemplo.pdf e rode:

npm test

Estrutura

• index.js: API JavaScript (carrega o addon nativo)
• src/addon.cc: implementação C++ com PDFium
• binding.gyp: configuração de build (link + cópia da DLL no Windows)
• pdfium/: binários pré-compilados do PDFium (Windows x64) e libs
• test/: testes de unidade/integração

Erros comuns

• Falha ao abrir PDF: arquivo inexistente, corrompido ou senha incorreta
• Dependências de build ausentes: confira Requisitos

Licença

Usa PDFium (BSD-3-Clause). Verifique compatibilidade conforme seu caso.