gongxiangp2/lib/pdf-processor.ts

/**
 * PDF处理工具库
 * 
 * 提供PDF预览图提取功能
 * 依赖：需要系统安装 poppler-utils (pdftoppm)
 */

import { exec } from 'child_process'
import { promisify } from 'util'
import { readFile, unlink, writeFile, open } from 'fs/promises'
import { tmpdir } from 'os'
import path from 'path'
import sharp from 'sharp'

const execAsync = promisify(exec)

interface PdfProcessResult {
  success: boolean
  previewPath?: string
  width?: number
  height?: number
  error?: string
}

/**
 * 从PDF文件生成预览图（提取第一页）
 * @param pdfFilePath PDF文件路径
 * @param outputPath 输出预览图路径（可选，如果不提供则自动生成临时文件）
 * @param maxWidth 最大宽度，默认1200px（与3D场景预览图一致）
 * @param maxHeight 最大高度，默认1600px（与3D场景预览图一致）
 * @returns 处理结果
 */
export async function generatePdfPreview(
  pdfFilePath: string,
  outputPath?: string,
  maxWidth: number = 1200,
  maxHeight: number = 1600
): Promise<PdfProcessResult> {
  try {
    console.log(`[PDF] 开始处理PDF文件: ${pdfFilePath}`)

    // 如果没有提供输出路径，生成唯一的临时文件
    // 使用 crypto.randomBytes 确保并发上传时不会冲突
    const randomSuffix = require('crypto').randomBytes(8).toString('hex')
    const tempOutputPath = outputPath || path.join(tmpdir(), `pdf-preview-${Date.now()}-${randomSuffix}.jpg`)
    const tempPpmPath = path.join(tmpdir(), `pdf-preview-${Date.now()}-${randomSuffix}.ppm`)

    // 使用 pdftoppm 提取第一页为JPEG格式
    // -f 1 -l 1: 只提取第一页
    // -scale-to: 只指定一个维度（宽度），高度自动按比例缩放，保持PDF原始长宽比
    // -jpeg: 输出JPEG格式
    const baseOutputPath = tempPpmPath.replace(/\.ppm$/, '')
    // 提取时使用较大的尺寸，确保有足够的像素用于后续处理
    // 只指定宽度，高度自动按比例缩放，保持PDF原始长宽比
    const extractSize = Math.max(maxWidth, maxHeight) * 2
    const command = `pdftoppm -f 1 -l 1 -scale-to ${extractSize} -jpeg "${pdfFilePath}" "${baseOutputPath}"`
    
    console.log(`[PDF] 执行命令: pdftoppm -f 1 -l 1 -scale-to ${extractSize} -jpeg ...`)
    
    try {
      const { stdout, stderr } = await execAsync(command, {
        maxBuffer: 10 * 1024 * 1024, // 10MB buffer for large PDFs
      })

      if (stderr && !stderr.includes('Writing') && !stderr.includes('Page')) {
        console.warn(`[PDF] pdftoppm stderr: ${stderr.substring(0, 200)}`)
      }
    } catch (execError: any) {
      // 检查是否是命令不存在
      if (execError?.code === 127 || execError?.message?.includes('pdftoppm')) {
        return {
          success: false,
          error: 'PDF处理工具未安装，请安装 poppler-utils 包'
        }
      }
      // 任何执行错误都应该返回失败，而不是继续处理
      // 包括：权限问题、磁盘空间不足、PDF文件损坏等
      const errorMsg = execError?.message || '未知错误'
      console.error(`[PDF] pdftoppm执行失败: ${errorMsg}`)
      return {
        success: false,
        error: `PDF预览图提取失败: ${errorMsg.substring(0, 200)}`
      }
    }

    // pdftoppm 会生成带页码的文件名，如 base-1.jpg
    // 尝试多种可能的文件名格式
    const possiblePaths = [
      `${baseOutputPath}-1.jpg`,
      `${baseOutputPath}-01.jpg`,
      `${baseOutputPath}-001.jpg`,
      `${baseOutputPath}-1.ppm`,
      `${baseOutputPath}-01.ppm`,
      `${baseOutputPath}-001.ppm`,
    ]
    
    // 查找实际生成的文件
    let imageBuffer: Buffer | null = null
    let foundPath: string | null = null
    
    for (const possiblePath of possiblePaths) {
      try {
        imageBuffer = await readFile(possiblePath)
        foundPath = possiblePath
        break
      } catch {
        // 继续尝试下一个路径
      }
    }
    
    if (!imageBuffer || !foundPath) {
      return {
        success: false,
        error: `无法找到PDF提取的图片文件，请检查PDF文件是否有效`
      }
    }

    console.log(`[PDF] 成功提取PDF第一页，图片大小: ${imageBuffer.length} bytes`)

    // 使用sharp处理图片（保持PDF原始长宽比，只限制最大尺寸，类似3D场景预览图处理）
    let sharpInstance = sharp(imageBuffer)

    // 获取图片尺寸
    const metadata = await sharpInstance.metadata()
    const width = metadata.width || 0
    const height = metadata.height || 0

    console.log(`[PDF] 原始图片尺寸: ${width}x${height}`)
    console.log(`[PDF] 最大尺寸限制: ${maxWidth}x${maxHeight} (保持长宽比)`)

    // 如果是长图（高度超过maxHeight），先裁剪顶部区域（类似PSD处理）
    if (height > maxHeight) {
      console.log(`[PDF] 检测到长图 ${width}x${height}，裁剪到顶部${maxHeight}px`)
      sharpInstance = sharpInstance.extract({
        left: 0,
        top: 0,
        width: width,
        height: maxHeight
      })
    }

    // 使用 inside 模式缩放，保持PDF原始长宽比，只限制最大尺寸（与3D场景预览图处理一致）
    await sharpInstance
      .resize(maxWidth, maxHeight, {
        fit: 'inside', // 保持长宽比，限制在最大尺寸内
        withoutEnlargement: true // 不放大（如果PDF提取的图片已经小于限制尺寸）
      })
      .jpeg({
        quality: 90,
        mozjpeg: true
      })
      .toFile(tempOutputPath)

    // 读取最终生成的预览图尺寸
    const finalMetadata = await sharp(tempOutputPath).metadata()
    const finalWidth = finalMetadata.width || maxWidth
    const finalHeight = finalMetadata.height || maxHeight

    console.log(`[PDF] 预览图生成成功: ${tempOutputPath} (${finalWidth}x${finalHeight})`)

    // 清理临时文件（pdftoppm生成的文件）
    try {
      if (foundPath) {
        await unlink(foundPath).catch(() => {})
      }
      // 尝试清理其他可能的临时文件
      for (const path of possiblePaths) {
        await unlink(path).catch(() => {})
      }
    } catch (e) {
      // 忽略清理错误
    }

    return {
      success: true,
      previewPath: tempOutputPath,
      width: finalWidth,
      height: finalHeight
    }
  } catch (error) {
    console.error('[PDF] Error generating PDF preview:', error)
    return {
      success: false,
      error: error instanceof Error ? error.message : 'Unknown error'
    }
  }
}

/**
 * 检查文件是否为PDF格式
 * @param filePath 文件路径
 * @returns 是否为PDF文件
 */
export async function isPdfFile(filePath: string): Promise<boolean> {
  try {
    const fileHandle = await open(filePath, 'r')
    const buffer = Buffer.alloc(4)
    await fileHandle.read(buffer, 0, 4, 0)
    await fileHandle.close()
    // PDF文件以 %PDF 开头
    return buffer.toString('ascii', 0, 4) === '%PDF'
  } catch {
    return false
  }
}