从 blob url 读取 plan/text

Question

要求使用 Java 将 pdf 文本读取为字符串以进行测试。我不确定是否可以使用从浏览器提取的 Blob url 来提取内容。

这是我在DOM

中看到的

<embed id="plugin" type="application/x-google-chrome-pdf" src="blob:https://XXX.XX.XXX.com/d4c1b2ec-bd22-4e7c-aa41-31d6ba5212b3" stream-url="blob:chrome-extension://mhjfbmdgcfjbbpaeojofohoefgiehjai/141ca21a-5f63-410b-a4c8-dc9a0554eb77" headers="Content-Length: 8159 Content-Type: application/pdf " background-color="0xFF525659" top-toolbar-height="56">

我最初认为应该有一种方法可以提取文本（纯文本或 base64 编码），然后将其转换为特定格式，但由于我对 Blob 的理解有限，我无法找到任何答案 url.

这是我迄今为止尝试过的方法，但我得到的响应是空的。

var xhr = new XMLHttpRequest;
xhr.responseType = 'text';

xhr.onload = function() {
   var recoveredBlob = xhr.response;

   var reader = new FileReader;

   reader.onload = function() {
     var blobAsDataUrl = reader.result;
     window.location = blobAsDataUrl;
   };

   reader.readAsDataURL(recoveredBlob);
};

xhr.open('GET', 'blob:https://XXX.XX.XXX.com/d4c1b2ec-bd22-4e7c-aa41-31d6ba5212b3');
xhr.send();

还值得一提的是，我正在使用Selenium 执行此脚本。我的目标是在不将 pdf 下载到任何本地机器的情况下提取数据。所以，最终我有两个困惑：

是否可以从创建为 'Content-Type: application/pdf' 的 blob url 中提取数据？
有没有其他办法；可能，将 blob url 转换为 dataurl 然后将内容提取为 String？

Answer 1

我使用 Javascript 执行程序从 Selenium 中完成了运行以下脚本。

public static String generateDataUrlFromBlobUrl(String blobUrl){

    
       return String.format("var xhr = new XMLHttpRequest;\r\n" + 
            "xhr.responseType = 'blob';\r\n" + 
            "\r\n" + 
            "xhr.onload = function() {\r\n" + 
            "   var recoveredBlob = xhr.response;\r\n" + 
            "\r\n" + 
            "   var reader = new FileReader;\r\n" + 
            "\r\n" + 
            "   reader.onload = function() {\r\n" + 
            "     var blobAsDataUrl = reader.result;\r\n" + 
            "     window.location = blobAsDataUrl;\r\n" + 
            "   };\r\n" + 
            "\r\n" + 
            "   reader.readAsDataURL(recoveredBlob);\r\n" + 
            "};\r\n" + 
            "\r\n" + 
            "xhr.open('GET', '%s');\r\n" + 
            "xhr.send();", blobUrl);
}

从 blob url 读取 plan/text

Reading plan/text from blob url

javascript

java

url

selenium

blob