我想写一个chrome扩展，从接受POST请求的网站下载PDF文件，并将PDF文件上传到我的本地主机服务器。这是我的尝试:
$.ajax({
url: 'http://example.com/download.action',
data: data,
type: 'POST',
cache: false,
crossDomain: true,
success: function(response) {
$.ajax({
url: 'http://localhost/getpdf.php',
data: response,
type: 'POST',
cache: false,
contentType: 'application/octet-stream',
processData: false,
crossDomain: true
});
}
});
从控制台上我观察到下载ajax请求的响应，它是以"% pdf - 1.7% .%…"开头的二进制内容，似乎是合理的。然后在本地主机服务器端，我使用一些简单的PHP代码来保存PDF文件:
<?php
$raw_data = file_get_contents('php://input');
$f = fopen('test.pdf', 'w');
fwrite($f, $raw_data);
fclose($f);
?>
文件已保存。但保存后的PDF文件无法用adobereader打开(文件已损坏)，且文件大小约为原文件的2倍。
我检查了保存的PDF文件的二进制文件和vim -b的原始文件，下面是前10行:
原文:
0000000: 2550 4446 2d31 2e37 0a25 e4e3 cfd2 0a36 %PDF-1.7.%.....6
0000010: 2030 206f 626a 0a3c 3c2f 5479 7065 2f58 0 obj.<</Type/X
0000020: 4f62 6a65 6374 0a2f 5375 6274 7970 652f Object./Subtype/
0000030: 466f 726d 0a2f 4242 6f78 5b30 2030 2035 Form./BBox[0 0 5
0000040: 3935 2e32 3736 2038 3431 2e38 395d 0a2f 95.276 841.89]./
0000050: 5265 736f 7572 6365 733c 3c2f 584f 626a Resources<</XObj
0000060: 6563 743c 3c2f 496d 3020 3720 3020 522f ect<</Im0 7 0 R/
0000070: 496d 3120 3820 3020 522f 496d 3220 3920 Im1 8 0 R/Im2 9
0000080: 3020 523e 3e2f 436f 6c6f 7253 7061 6365 0 R>>/ColorSpace
0000090: 3c3c 2f43 5330 2031 3020 3020 522f 4353 <</CS0 10 0 R/CS
保存的文件:
0000000: 2550 4446 2d31 2e37 0a25 efbf bdef bfbd %PDF-1.7.%......
0000010: efbf bdef bfbd 0a36 2030 206f 626a 0a3c .......6 0 obj.<
0000020: 3c2f 5479 7065 2f58 4f62 6a65 6374 0a2f </Type/XObject./
0000030: 5375 6274 7970 652f 466f 726d 0a2f 4242 Subtype/Form./BB
0000040: 6f78 5b30 2030 2035 3935 2e32 3736 2038 ox[0 0 595.276 8
0000050: 3431 2e38 395d 0a2f 5265 736f 7572 6365 41.89]./Resource
0000060: 733c 3c2f 584f 626a 6563 743c 3c2f 496d s<</XObject<</Im
0000070: 3020 3720 3020 522f 496d 3120 3820 3020 0 7 0 R/Im1 8 0
0000080: 522f 496d 3220 3920 3020 523e 3e2f 436f R/Im2 9 0 R>>/Co
0000090: 6c6f 7253 7061 6365 3c3c 2f43 5330 2031 lorSpace<</CS0 1
似乎有些词被改变了(可能是字符集问题?)
关于这个有什么提示吗?
您可能希望使用这种方式读取pdf文本，然后将其写入新的pdf文件
如何从pdf文件中获取文本并将其保存到DB
最后我找到了一个符合我要求的解决方案。
正如@mkl所提到的，在原始PDF二进制数据上有一些对UTF-8的替换，但我们不知道在哪个步骤中发生这种替换。所以我开始搜索发送/接收二进制数据而不是字符串，我发现了这个，它引入了一个叫做"arraybuffer"的特性。
根据上面的文章，我改变了我的js函数，它的工作:
var form = $('<form method="post"></form>');
for (var i in data) {
form.append('<input name="'+i+'" value="'+data[i]+'" />');
}
data = form.serialize();
var oReq = new XMLHttpRequest();
oReq.open('POST', 'http://example.com/download.action', true);
oReq.setRequestHeader("Content-type","application/x-www-form-urlencoded");
oReq.responseType = "arraybuffer";
oReq.onload = function (oEvent) {
var arrayBuffer = oReq.response;
if (arrayBuffer) {
var xhr = new XMLHttpRequest;
xhr.open("POST", 'http://localhost/getpdf.php', false);
xhr.send(arrayBuffer);
}
};
oReq.send(data);