Convertir el parseador del PDF a JavaScript

[colltoaction]

Para mantener la coherencia del código y hacer todo en un solo lenguaje (y no necesitar instalar PHP...) estaría bueno que el parser del PDF esté escrito en JavaScript. De ser difícil o irrelevante, cerrar este issue.

Bloqueado por #27.

[edittler]

Hay herramientas en JS que hacen scraping de PDFs, comparto las que encontré:

• https://github.com/modesty/pdf2json
• https://github.com/nisaacson/pdf-extract

[fdnk]

En lugar de trabajar sobre un PDF, se puede utilizar una herramienta que convierta de PDF a TXT y trabajar sobre texto plano. Por ejemplo: pdftotext https://en.wikipedia.org/wiki/Pdftotext

[colltoaction]

Yo me inclinaría a usar una herramienta que haga como lo que propone @fdnk pero en JavaScript. Prefiero hacer `npm install` y tener todo andando y no andar buscando dependencias en el gestor de paquetes nativo de mi distro. Seguro alguna de las que comenta Pampa tenga esa feature.

…

On Wed, Aug 2, 2017, 10:38 PM Fernando Danko ***@***.***> wrote: En lugar de trabajar sobre un PDF, se puede utilizar una herramienta que convierta de PDF a TXT y trabajar sobre texto plano. Por ejemplo: pdftotext https://en.wikipedia.org/wiki/Pdftotext — You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub <#28 (comment)>, or mute the thread <https://github.com/notifications/unsubscribe-auth/ABeg9HAfl0wwPbwY1WmgwAgzhX9rTdGDks5sUVzVgaJpZM4OroGJ> .

[edittler]

La primer opción que pasé aparentemente funciona sin dependencias externas (pdf2json) por lo que el scraper/parser sería puramente JS. Habría que probar. La segunda opción si dice requerir dependencias externas, se podría descartar.

[lucasp90]

Estoy de acuerdo en lo que dice @tinchou respecto a que sea en js, especialmente por si alguien quiere colaborar pero usa otro sistema operativo.

[AlexDaciuk]

Se esta haciendo la herramienta pdf -> custom csv en python