如何在MongoDB GridFS中存取PDF文档

顺亿

2026-10-15 • 👁 0人浏览过

根本原因是PDF二进制流被误作字符串处理，导致非ASCII字节错误解码；必须用Buffer/Uint8Array原始读取、设置contentType、显式构造GridFSBucket、正确处理下载流与ObjectId类型转换。 GridFS 存 PDF 时为什么文件变大或损坏根本原因通常是把 PDF 的二进制流误当成字符串处理，比如用

fs.readFileSync(path, 'utf8')

读取后直接传给

gridFSBucket.uploadFromStream()

—— 这会让非 ASCII 字节被错误解码，PDF 头部（如

%PDF-1.4

）一乱，下游就打不开。必须用

Buffer

或

Uint8Array

原始二进制方式读取：例如

fs.readFileSync(path)

（不带编码参数）或

fs.createReadStream(path)

上传时指定

contentType: 'application/pdf'

，否则默认是

application/octet-stream

，某些前端库可能不自动触发 PDF 预览别在上传前对 Buffer 做

.toString()

、

JSON.stringify()

或任何字符串转换用 Node.js MongoDB Driver v5+ 上传 PDF 到 GridFS v5+ 的

MongoClient

默认启用新驱动 API，

GridFSBucket

不再从

db

上直接挂载，需显式构造；同时

uploadFromStream()

返回的是 Promise，不是 callback。初始化 bucket 要传

{ bucketName: 'pdfs' }

显式命名，否则默认用

fs

，容易和别的业务冲突上传流必须是可读流（

fs.createReadStream()

）或

Buffer

，不能是路径字符串推荐加

metadata

字段存业务信息，比如

{ originalName: 'report.pdf', userId: 'u123' }

，后续查起来方便

const stream = fs.createReadStream('./report.pdf');
const uploadStream = bucket.uploadFromStream(
  'report.pdf',
  stream,
  {
    contentType: 'application/pdf',
    metadata: { originalName: 'report.pdf', userId: 'u123' }
  }
);
const { _id } = await uploadStream;

根据 fileId 查 PDF 并返回给 HTTP 响应常见错误是调用

bucket.openDownloadStream()

后没设响应头，或者用

toArray()

把整个文件加载进内存——PDF 动辄几 MB，Node.js 进程容易 OOM。必须用

res.setHeader('Content-Type', 'application/pdf')

和

res.setHeader('Content-Disposition', 'inline; filename="...")

，否则浏览器可能下载而非预览直接把 download stream

pipe

给

res

，不要

toArray()

或

read()

注意处理文件不存在：当

bucket.openDownloadStream(fileId)

返回 null，要手动

res.status(404).end()

const downloadStream = bucket.openDownloadStream(fileId);
if (!downloadStream) {
  return res.status(404).end();
}
res.setHeader('Content-Type', 'application/pdf');
res.setHeader('Content-Disposition', 'inline; filename="report.pdf"');
downloadStream.pipe(res);

用 ObjectId 查询 GridFS 文件元数据但查不到

files

集合里存的

_id

是

ObjectId

，但如果你用字符串（比如 URL 参数里传的

"65a1b2c3d4e5f67890123456"

）直接查，MongoDB 不会自动转类型，结果为空。查询前必须用

new ObjectId(idString)

转换，且确保

idString

是合法 24 位十六进制查元数据用

bucket.find({ _id: objectId })

，不是

collection.find()

—— GridFS 元数据存在

pdfs.files

集合，但 driver 封装了这层细节如果用

findOne()

，记得

await

，它的返回值是文档对象，含

length

、

uploadDate

、

metadata

等字段最容易被忽略的是：GridFS 的

files

和

chunks

集合名默认是

fs.files

和

fs.chunks

，但如果你初始化 bucket 时指定了

bucketName: 'pdfs'

，那实际集合就是

pdfs.files

和

pdfs.chunks

—— 直接去 shell 里查错地方，永远找不到。

相关文章