BBDC PDF Parser

一个纯前端小工具，用于解析不背单词导出的PDF，并将内容导出为 txt。

当前仅支持不背单词导出的默认 PDF 版式：A4默写

导出格式支持两种：

• 仅导出单词
• 导出 单词----释义

免责声明

• 本项目为独立的非官方工具，与“不背单词”及其开发者无关联、无合作、无背书关系。
• 本项目仅用于处理用户自行合法导出的 PDF 文件，不提供账号登录、数据抓取、词库下载或绕过平台限制的能力。
• PDF 文件中的词汇、释义、例句及其他内容版权归其原始权利人所有，使用者应自行确保其使用方式合法合规。

功能特点

• 纯前端处理，不上传文件到服务器
• 基于 pdfjs-dist 直接读取 PDF 文本层，不做 OCR
• 自动处理多行释义归并
• 自动处理部分 PDF 异体部件字形清洗
• 支持浏览器内预览与 txt 下载

本地运行

要求：

• Node.js 20+
• pnpm 10+

安装依赖：

pnpm install

启动开发环境：

pnpm dev

构建生产版本：

pnpm build

本地预览构建产物：

pnpm preview

使用方式

1. 打开页面并选择 PDF 文件
2. 点击“开始解析”
3. 选择是否“包含释义”
4. 预览结果
5. 点击“导出 TXT”

项目结构

.
├── index.html
├── package.json
├── src
│   ├── main.js
│   ├── pdf-extractor.js
│   └── style.css

说明：

• src/main.js：页面交互、状态管理、导出逻辑
• src/pdf-extractor.js：PDF 文本提取与词条归并逻辑
• src/style.css：界面样式

技术栈

• Vite
• pdfjs-dist
• 原生 JavaScript / CSS

开源许可

本项目基于 MIT 协议开源。