go解析pdf

在 Go 语言中解析 PDF 文件时，很多开发者早期可能会考虑使用 github.com/dslipak/pdf，但该库在处理大文件或复杂 PDF 时存在较为明显的性能问题（如内存占用过高、解析速度慢）。

因此，**建议使用 github.com/ledongthuc/pdf**。它是更为优秀的衍生版本，针对一些性能瓶颈和功能做了优化改进，解析更加稳定和高效。

github.com/ledongthuc/pdf 使用示例

下面是一个使用 github.com/ledongthuc/pdf 读取并提取 PDF 中纯文本的完整示例代码：

package main

import (
	"fmt"
	"log"
	"os"

	"github.com/ledongthuc/pdf"
)

func main() {
	// 1. 打开 PDF 文件
	f, err := os.Open("example.pdf")
	if err != nil {
		log.Fatalf("无法打开文件: %v", err)
	}
	defer f.Close()

	// 2. 获取文件信息（创建 Reader 时需要用到文件总大小）
	finfo, err := f.Stat()
	if err != nil {
		log.Fatalf("无法获取文件状态: %v", err)
	}

	// 3. 创建 PDF Reader
	reader, err := pdf.NewReader(f, finfo.Size())
	if err != nil {
		log.Fatalf("无法创建 PDF Reader: %v", err)
	}

	// 4. 获取总页数
	numPages := reader.NumPage()
	fmt.Printf("PDF 总页数: %d\n", numPages)

	// 5. 遍历并提取每一页的纯文本
	for i := 1; i <= numPages; i++ {
		page := reader.Page(i)
		
		// 校验当前页是否为空
		if page.V.IsNull() {
			continue
		}
		
		// 提取文本
		text, err := page.GetPlainText(nil)
		if err != nil {
			log.Printf("第 %d 页提取文本失败: %v", i, err)
			continue
		}

		fmt.Printf("--- 第 %d 页内容 ---\n", i)
		fmt.Println(text)
	}
}