PDF_PARSE_FIX.md

PDF Parse 修复说明

问题描述

pdf-parse 库在 Next.js 的 webpack 环境中存在兼容性问题：

• Object.defineProperty called on non-object 错误
• 默认导出不存在的警告
• pdfjs-dist 在服务端渲染中的问题

解决方案

1. 更新 Next.js 配置 (next.config.js)

添加 webpack 配置来处理 pdf-parse：

webpack: (config, { isServer }) => {
  if (isServer) {
    // 禁用 canvas（pdf-parse 依赖但在 Node.js 中不需要）
    config.resolve.alias = {
      ...config.resolve.alias,
      canvas: false,
    };
    
    // 将 pdf-parse 外部化，避免 webpack 打包问题
    config.externals = config.externals || [];
    config.externals.push({
      'pdf-parse': 'commonjs pdf-parse',
      'pdfjs-dist': 'commonjs pdfjs-dist',
    });
  }
  return config;
}

2. 修改导入方式 (src/lib/pdf/parser.ts)

使用动态导入替代静态导入：

// 之前（有问题）
import pdf from "pdf-parse";

// 之后（修复）
let pdfParse: any = null;

async function getPdfParse() {
  if (!pdfParse) {
    const module = await import("pdf-parse/lib/pdf-parse.js");
    pdfParse = module.default || module;
  }
  return pdfParse;
}

// 在 parsePDF 函数中使用
const pdf = await getPdfParse();
const data = await pdf(buffer);

为什么这样做

1. 外部化依赖: 让 Next.js 直接使用 node_modules 中的包，而不是通过 webpack 打包
2. 动态导入: 避免在构建时解析模块，推迟到运行时
3. 禁用 canvas: pdf-parse 依赖 canvas，但在 Node.js 环境中不需要

应用修复

修复已自动应用到代码中。需要重启开发服务器：

# 停止当前服务器 (Ctrl+C)
# 然后重新启动
npm run dev

验证修复

1. 重启开发服务器
2. 上传一个 PDF 文件
3. 检查控制台是否有解析成功的日志
4. 确认没有 webpack 错误

备选方案

如果问题仍然存在，可以考虑：

1. 使用 pdf.js 的官方包
2. 使用 @pdf-lib/fontkit 和 pdf-lib
3. 使用云服务 API（如 AWS Textract）

相关文件

• next.config.js: Next.js 配置
• src/lib/pdf/parser.ts: PDF 解析工具
• src/app/api/parse/route.ts: PDF 解析 API 路由