你检查过PDF2Json了吗？它是在PDF.js的基础上构建的。虽然它没有提供单行的文本输出，但是我相信你可以根据生成的Json output重新构建最终的文本：
'Texts'：包含位置、实际文本和样式信息的文本块数组：“x”和“y”：定位的相对坐标'clr'：颜色字典中的颜色索引，与“Fill”对象中的“clr”字段相同。如果可以在颜色字典中找到一种颜色，则“oc”字段将作为“original color”值添加到该字段中。“A”：文本对齐方式，包括：左中右“R”：一个文本串数组，每个文本串对象有两个主要字段：“T”：实际文本“S”：样式字典中样式索引有关'样式字典'详细信息，请参阅'字典参考'部分

经过一些工作，我终于得到了一个可靠的功能，阅读文本从PDF使用https://github.com/mozilla/pdfjs-dist
要使其正常工作，首先在命令行上执行npm install：

npm i pdfjs-dist

然后使用以下代码创建一个文件（在本例中，我将该文件命名为“pdfExport.js”）：

const pdfjsLib = require("pdfjs-dist");

async function GetTextFromPDF(path) {
    let doc = await pdfjsLib.getDocument(path).promise;
    let page1 = await doc.getPage(1);
    let content = await page1.getTextContent();
    let strings = content.items.map(function(item) {
        return item.str;
    });
    return strings;
}
module.exports = { GetTextFromPDF }

然后，它可以简单地用于任何其他js文件，如下所示：

const pdfExport = require('./pdfExport');
pdfExport.GetTextFromPDF('./sample.pdf').then(data => console.log(data));

我想我会在这里插话给任何人谁遇到这个问题在未来。我有这个问题，并花了几个小时在字面上所有的PDF库的NPM。我的要求是，我需要运行它在AWS Lambda，所以不能依赖于操作系统的依赖性。
下面的代码改编自另一个stackoverflow的答案（我目前找不到）。唯一的区别是我们导入的是ES 5版本，它与节点〉= 12一起工作。如果你只是导入pdfjs-dist，将有一个错误“Readable Stream is not defined”。希望它能帮助你！

import * as pdfjslib from 'pdfjs-dist/es5/build/pdf.js';

export default class Pdf {
  public static async getPageText(pdf: any, pageNo: number) {
    const page = await pdf.getPage(pageNo);
    const tokenizedText = await page.getTextContent();
    const pageText = tokenizedText.items.map((token: any) => token.str).join('');
    return pageText;
  }

  public static async getPDFText(source: any): Promise<string> {
    const pdf = await pdfjslib.getDocument(source).promise;
    const maxPages = pdf.numPages;
    const pageTextPromises = [];
    for (let pageNo = 1; pageNo <= maxPages; pageNo += 1) {
      pageTextPromises.push(Pdf.getPageText(pdf, pageNo));
    }
    const pageTexts = await Promise.all(pageTextPromises);
    return pageTexts.join(' ');
  }
}

用途

const fileBuffer = fs.readFile('sample.pdf');
const pdfText = await Pdf.getPDFText(fileBuffer);

您也可以直接使用PDF.js（https://github.com/mozilla/pdfjs-dist），而不是使用建议的PDF2Json。这样做的优点是，您不依赖于拥有PDF2Json的谦虚者，他会更新PDF.js库。

我使用"pdf-parse": "^1.1.1"，使用节点14.20.1，这个解决方案很有效
您可以使用以下方式安装它：
yarn add pdf-parse个
这是将PDF文件转换为文本的主要功能。

const path = require('path');
const fs = require('fs');
const pdf = require('pdf-parse');
const assert = require('assert');

const extractText = async (pathStr) => {
  assert (fs.existsSync(pathStr), `Path does not exist ${pathStr}`)
  const pdfFile = path.resolve(pathStr)
  const dataBuffer = fs.readFileSync(pdfFile);
  const data = await pdf(dataBuffer)
  return data.text
}

module.exports = {
  extractText
}

然后，您可以像这样使用函数：

const { extractText } = require('../api/lighthouse/lib/pdfExtraction')

extractText('./data/CoreDeveloper-v5.1.4.pdf').then(t => console.log(t))