Estoy tratando de extraer patrones de archivos PDF en línea usando un script del lado del cliente (tampermonkey / Greasemonkey - Firefox o Chrome). La implementación puede ser específica del navegador, me gustaría intentar que funcione en 1.

Puedo usar JS para extraer el contenido y combinarlo manualmente en Firefox (que carga pdf.js automáticamente). Por ejemplo, en una URL de PDF:

 var matchList = document.body.innerText.match(/my_regex/gi);

Ahora estoy tratando de transferir esto a Greasemonkey para un script de usuario:

 // ==UserScript== // @name MyExtractor // @version 1 // @grant none // @include *.pdf // ==/UserScript== console.log("User script"); console.log(document.body.innerText); // this JS executed manually logs the PDF to text, but alert("HI");

La secuencia de comandos no se carga. ¿Es posible ejecutar una secuencia de comandos Gm en una URL de PDF en Firefox?

En Chrome, el documento PDF parece estar incrustado, por lo que incluso con la consola JS directa, parece que no puedo acceder al contenido. p.ej

 > document.getElementsByTagName("embed")[0] <embed name=​"some_id" style=​"position:​absolute;​ left:​ 0;​ top:​ 0;​" width=​"100%" height=​"100%" src=​"about:​blank" type=​"application/​pdf" internalid=​"some_id">​

Esto es lo más lejos que he podido llegar con Chrome: ¿hay alguna manera de obtener el objeto PDF basado en el elemento anterior y extraer texto de él?

Con respecto al JS, no necesariamente necesito que se ejecute directamente en la URL del PDF, también puedo hacer que identifique una página que tiene un ancla de PDF href, y luego buscarlo y analizarlo en función de una solicitud si posible, si hay una forma de obtener y procesar con una biblioteca PDF de alguna manera?

Referencias utilizadas hasta ahora:

• ¿Ejecutar un script de Greasemonkey en cada página, independientemente del tipo de página (como foo.com/image.jpg)? - ¿Necesito construir una extensión para esto?
• Extraiga texto del archivo pdf usando javascript (y seguí algunos de los enlaces). Específicamente, he intentado seguir esto: Cómo extraer texto de PDF en JavaSript , pero no he podido crear una referencia a la fuente PDF / agregar el biblioteca a GM y ejecutar como se esperaba - ¿es este un buen camino a seguir y tratar de resolver los problemas que me encuentro?