Skip to content
PDF Oxide

Primeros pasos con PDF Oxide (WASM)

PDF Oxide se compila a WebAssembly para correr en navegadores, Deno, Bun y runtimes edge como Cloudflare Workers o Vercel Edge. El mismo núcleo en Rust que impulsa los bindings de Python, Rust, Node.js, Go y C# funciona directamente en cualquier entorno JavaScript, con rendimiento cercano al nativo.

¿Usas Node.js? Para servidores Node.js prefiere el addon nativo N-API pdf-oxide: es más rápido y añade OCR, renderizado y firmas digitales. El build WASM de esta página es la opción adecuada para navegadores y runtimes edge donde los addons nativos no pueden cargarse.

Instalación

npm install pdf-oxide-wasm

import { WasmPdfDocument, WasmPdf } from "pdf-oxide-wasm";

Inicio rápido

Node.js

import { readFileSync } from "fs";
import { WasmPdfDocument } from "pdf-oxide-wasm";

const bytes = new Uint8Array(readFileSync("document.pdf"));
const doc = new WasmPdfDocument(bytes);

console.log(`Pages: ${doc.pageCount()}`);
console.log(doc.extractText(0));

doc.free();

<script type="module">
import init, { WasmPdfDocument } from "pdf-oxide-wasm";

await init();

const response = await fetch("document.pdf");
const bytes = new Uint8Array(await response.arrayBuffer());
const doc = new WasmPdfDocument(bytes);

console.log(`Pages: ${doc.pageCount()}`);
console.log(doc.extractText(0));
doc.free();
</script>

<input type="file" id="pdfInput" accept=".pdf" />
<pre id="output"></pre>

<script type="module">
import init, { WasmPdfDocument } from "pdf-oxide-wasm";
await init();

document.getElementById("pdfInput").addEventListener("change", async (e) => {
  const file = e.target.files[0];
  const bytes = new Uint8Array(await file.arrayBuffer());
  const doc = new WasmPdfDocument(bytes);

  let result = `Pages: ${doc.pageCount()}\n\n`;
  for (let i = 0; i < doc.pageCount(); i++) {
    result += `--- Page ${i + 1} ---\n`;
    result += doc.extractText(i) + "\n\n";
  }

  document.getElementById("output").textContent = result;
  doc.free();
});
</script>

Extracción de texto

Una sola página

const doc = new WasmPdfDocument(bytes);
const text = doc.extractText(0);

Todas las páginas

const allText = doc.extractAllText();

Extracción estructurada

Datos a nivel de carácter y de span, con posiciones y metadatos de fuente:

// Datos por carácter
const chars = doc.extractChars(0);
for (const c of chars) {
  console.log(`'${c.char}' at (${c.bbox.x}, ${c.bbox.y}) font=${c.fontName}`);
}

// Datos por span
const spans = doc.extractSpans(0);
for (const span of spans) {
  console.log(`"${span.text}" size=${span.fontSize}`);
}

Conversión a Markdown

const markdown = doc.toMarkdown(0);

// Con opciones
const md = doc.toMarkdown(0, true, true); // detect_headings, include_images

// Todas las páginas
const allMarkdown = doc.toMarkdownAll();

Conversión a HTML

const html = doc.toHtml(0);

// Todas las páginas
const allHtml = doc.toHtmlAll();

Creación de PDF

Genera nuevos PDFs a partir de Markdown, HTML o texto plano con WasmPdf:

import { WasmPdf } from "pdf-oxide-wasm";

// Desde Markdown
const pdf = WasmPdf.fromMarkdown("# Hello World\n\nThis is a PDF.");
const pdfBytes = pdf.toBytes(); // Uint8Array

// Desde HTML
const invoice = WasmPdf.fromHtml("<h1>Invoice</h1><p>Amount: $42</p>");

// Desde texto plano
const notes = WasmPdf.fromText("Plain text content.");

// Guardar a archivo (Node.js)
import { writeFileSync } from "fs";
writeFileSync("output.pdf", pdf.toBytes());

Campos de formulario

const fields = doc.getFormFields();
for (const f of fields) {
  console.log(`${f.name} (${f.fieldType}) = ${f.value}`);
}

// Exportar datos del formulario
const fdfBytes = doc.exportFormData();        // formato FDF
const xfdfBytes = doc.exportFormData("xfdf"); // formato XFDF

Búsqueda

// Buscar en todas las páginas
const results = doc.search("configuration", true); // case_insensitive
for (const r of results) {
  console.log(`Found "${r.text}" on page ${r.page}`);
}

// Buscar en una sola página
const pageResults = doc.searchPage(0, "configuration", true);

Abrir desde bytes

El constructor de WasmPdfDocument ya acepta un Uint8Array directamente; no hace falta un método from_bytes aparte:

// Ya funciona: WasmPdfDocument recibe los bytes
const doc = new WasmPdfDocument(uint8Array);

PDFs cifrados

const doc = new WasmPdfDocument(encryptedBytes);
const success = doc.authenticate("password");
if (success) {
  console.log(doc.extractText(0));
}

Edición

const doc = new WasmPdfDocument(bytes);

// Metadatos
doc.setTitle("Updated Title");
doc.setAuthor("Jane Doe");

// Rotación de página
doc.rotatePage(0, 90);

// Guardar con cambios
const edited = doc.save();

// Guardar cifrado
const encrypted = doc.saveEncryptedToBytes(
  "user-password",
  "owner-password",
  true,   // allow_print
  true,   // allow_copy
  false,  // allow_modify
  true    // allow_annotate
);

Gestión de memoria

Los objetos WASM retienen memoria de Rust que debe liberarse explícitamente:

const doc = new WasmPdfDocument(bytes);
try {
  const text = doc.extractText(0);
} finally {
  doc.free();
}

Disponibilidad de funciones

Algunas funciones requieren dependencias nativas y no están disponibles en la compilación WebAssembly:

Función WASM Notas
Extracción de texto Sí Soporte completo
Creación de PDF Sí Markdown, HTML, texto
Edición de PDF Sí Soporte completo
Cifrado Sí AES-256
OCR No Requiere ONNX Runtime nativo
Firmas digitales No Requiere librerías de criptografía nativas
Renderizado de páginas No Requiere tiny-skia nativo

Para OCR o renderizado usa los bindings de Python o Rust.

Siguientes pasos