コーディング自動化基盤

概要¶

レジュメ変換システムのPDFテキスト抽出機能を実装します。PDF.jsを使用して、アップロードされたPDFファイルからテキストを抽出し、解析可能な形式に変換します。

作業内容¶

1. PDF.js導入と設定

   • PDF.jsのインストール
   • ワーカーの設定
   • スタイルシートの設定
   • 基本設定

2. PDFパース処理実装

   • PDFファイル読み込み
   • ページ単位の処理
   • テキストレイヤー抽出
   • メタデータ抽出

3. テキスト抽出処理実装

   • テキストコンテンツ抽出
   • フォント情報抽出
   • レイアウト情報抽出
   • 文書構造推定

4. テキスト前処理実装

   • 不要な空白・改行の正規化
   • エンコーディング処理
   • 特殊文字処理
   • セクション分割

5. エラーハンドリング実装

   • パスワード保護PDF対応
   • 破損ファイル対応
   • スキャン画像PDFへの対応
   • 再試行ロジック

成果物¶

• PDF.js設定モジュール
• PDFパース処理モジュール
• テキスト抽出モジュール
• テキスト前処理モジュール
• エラーハンドリングモジュール

技術スタック¶

• PDF.js
• Node.js
• TypeScript
• Express.js

参照¶

• 親チケット: #472（ファイルアップロード・テキスト抽出機能）
• 関連チケット: #493（ファイルアップロード機能実装）