Streams en Node.js para archivos grandes

Contenido del curso

Introducción a Node.js

Módulos y gestión de paquetes

Módulos nativos en Node.js

Servidores con Node.js

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:0010:47

Streams en Node.js para archivos grandes

Curso de Fundamentos de Node.js

Clase 17 de 20

Clase 17 / 20

Recursos

Trabajar con streams en Node.js permite procesar archivos grandes sin cargarlos completos en memoria. Con el módulo fs, createReadStream, createWriteStream y eventos como data, end y error, se construye un flujo eficiente para leer por chunks, reconstruir contenido y manejar fallos de E/S con claridad.

¿Qué resuelven los streams en Node.js para archivos grandes?

Los streams optimizan operaciones de entrada y salida al procesar datos en partes pequeñas. Son ideales para archivos extensos y transmisiones de audio o vídeo, evitando bloqueos de memoria y mejorando el rendimiento.

Lectura por fragmentos sin cargar todo el archivo.
Escritura continua hacia un archivo de salida.
Manejo de eventos para controlar el ciclo de vida del flujo.
Uso de UTF-8 para interpretar texto correctamente.

En el ejemplo, se procesa un libro en texto plano (convertido a .txt) y se reconstruye en otro archivo, validando lectura, escritura y finalización del flujo.

¿Cómo implementar lectura y escritura con fs, utf8 y eventos?

El punto de partida es crear un archivo de trabajo (por ejemplo, streams.js) y preparar los streams para entrada y salida con fs. La lectura se hace por chunks y se escribe secuencialmente en un nuevo archivo.

¿Cómo configurar createReadStream y createWriteStream?

Se importa fs, se define el archivo de entrada (por ejemplo, js.txt) con encoding utf8 y el archivo de salida (output-js.txt):

const fs = require('fs');

const readStream = fs.createReadStream('js.txt', {
  encoding: 'utf8'
});

const writeStream = fs.createWriteStream('output-js.txt');

fs: acceso al sistema de archivos.
createReadStream: flujo de lectura con encoding utf8.
createWriteStream: flujo de escritura al archivo resultante.

¿Cómo procesar chunks con el evento data?

Cada chunk leído se registra y se escribe en el archivo de salida. Esto confirma que el flujo avanza por bloques.

readStream.on('data', (chunk) => {
  console.log('leyendo chunk', chunk);
  writeStream.write(chunk);
});

data: entrega cada fragmento de texto.
console.log: permite observar los bloques procesados.
write: envía el chunk al flujo de salida.

¿Cómo detectar fin con end y cerrar escritura?

Al terminar la lectura, se notifica y se indica que ya no se escribirá más en el archivo de salida.

readStream.on('end', () => {
  console.log('Terminó la lectura del archivo');
  writeStream.end();
});

end: se dispara cuando no hay más datos.
writeStream.end(): cierra el flujo de salida de forma ordenada.

¿Cómo manejar errores y qué efecto tiene en el archivo de salida?

Es clave capturar errores tanto de lectura como de escritura. Si falla la lectura (por ejemplo, por cambiar el nombre del archivo para simular un error), el archivo de salida puede quedar vacío porque se crea pero no recibe datos.

readStream.on('error', (err) => {
  console.log('error de lectura del archivo', err);
});

writeStream.on('error', (err) => {
  console.log('error en escritura del archivo', err);
});

Si el archivo de entrada no existe, Node.js reporta que no puede abrirlo.
createWriteStream puede crear o limpiar el archivo de salida; si no llegan chunks, quedará vacío.
Al volver al estado funcional y ejecutar de nuevo con node streams, los chunks se escriben y el archivo resultante se completa.

Ejecución recomendada para validar el flujo:

Limpiar consola y ejecutar node streams.
Observar los chunks y el mensaje de fin de lectura.
Verificar que no hubo error de escritura.
Si se simula un fallo en lectura, revisar el mensaje de error de lectura y reintentar con el nombre correcto.

¿Tienes dudas sobre eventos, encoding o el flujo por chunks? Comparte tu caso en los comentarios y afinamos la solución juntos.

Mario Roberto Tapia Sanchez

Hace 3 meses

Copiar y pegar texto a mano desde un PDF funciona bien para unas cuantas páginas, pero para un libro entero es súper pesado y suele perder formato, saltos de línea o caracteres especiales.

Para convertir un PDF a .txt de forma automática, rápida y limpia, tienes varias opciones dependiendo de las herramientas que prefieras usar:

---

### 1. Usando la Terminal (La opción más rápida)

Si tienes un entorno Unix/macOS o Linux (o la consola de Linux en Windows), la herramienta **pdftotext** (parte del paquete poppler) es la más directa y eficiente.

1. **Instalar poppler:**

* **macOS (Homebrew):** brew install poppler

* **Linux (Debian/Ubuntu):** sudo apt install poppler-utils

2. **Ejecutar el comando:**


pdftotext libro.pdf libro.txt

*Si quieres conservar el diseño visual del texto lo mejor posible, agrega la bandera -layout:*


pdftotext -layout libro.pdf libro.txt

---

### 2. Usando un Script de Node.js (Si estás programando)

Si quieres integrar la conversión en tu propio flujo de trabajo con Node.js, puedes usar paquetes como pdf-parse:

1. **Instala la librería:**


npm install pdf-parse

2. **Script para convertir a .txt:**


const fs = require('fs');

const pdf = require('pdf-parse');



let dataBuffer = fs.readFileSync('libro.pdf');



pdf(dataBuffer).then(function(data) {

&#x20;   // data.text contiene todo el texto del PDF

&#x20;   fs.writeFileSync('libro.txt', data.text);

&#x20;   console.log('¡Conversión completada a libro.txt!');

}).catch(function(error) {

&#x20;   console.error('Error al convertir el PDF:', error);

});

---

### 3. Usando Python (Muy popular para procesamiento de texto)

Si manejas Python, librerías como pypdf o pdfplumber lo hacen en un par de líneas:


from pypdf import PdfReader



reader = PdfReader("libro.pdf")

texto = ""



for page in reader.pages:

&#x20;   texto += page.extract\_text() + "\n"



with open("libro.txt", "w", encoding="utf-8") as f:

&#x20;   f.write(texto)



print("¡Hecho!")

---

### 4. Herramientas Gratuitas Online (Sin instalar nada)

Si no quieres tocar código ni la terminal y solo necesitas convertir el archivo una vez:

* **Calibre:** Es un gestor de libros electrónicos gratuito y de código abierto bastante popular. Importas tu PDF y le das a **Convertir libros** eligiendo el formato de salida a **TXT**.

* **Google Docs:** Subes el PDF a Google Drive, le das clic derecho -> *Abrir con* -> *Documentos de Google*. Una vez cargado, vas a *Archivo* -> *Descargar* -> *Texto sin formato (.txt)*.

* **Convertidores Web:** Sitios como *iLovePDF* o *PDF2Go* ofrecen conversión a .txt directamente en el navegador.

---

> **Nota importante:** Si el PDF que descargaste es un **escaneo** (es decir, imágenes de páginas de un libro físico y no texto seleccionable), necesitarás aplicar una herramienta con **OCR** (Reconocimiento Óptico de Caracteres) como tesseract o herramientas como Google Docs / Adobe Acrobat para que pueda extraer el texto de las imágenes.

Comentarios (10)10 comentarios

Gastón Gómez

Hace 9 meses

Mario Alejandro Crespo Reyes

Hace 6 meses

Lavinia Manzanarez

Hace 7 meses

Eric Daniel Cavanzo

Hace un año

Cristian Arellano

Josue Hoenicka

Nicolas Alejandro Baak Poot

Luis Ordoñez

Hace 4 meses

Manuel Alejandro Arteaga Ontiveros

Hace un año•editado

Alirio Isea

Matias Ezequiel Rivero

Elmer Leonel Marquez Argueta

Juan Camilo Ramírez Garces

Introducción a Node.js

Qué es Node.js y cómo funciona

NVM para múltiples versiones de Node

Primer programa Node.js con argumentos

Módulos y gestión de paquetes

Módulos en Node.js: CommonJS vs ES Modules

Cómo funciona npm en tu primer proyecto

Cómo crear y probar un paquete npm local

Cómo publicar tu primer paquete npm

Módulos nativos en Node.js

CRUD de archivos con módulo fs

Transcribir audio a texto con Whisper y Node.js

Implementar transcriptAudio con Whisper en Node.js

Console API en Node.js: métodos básicos

Console.count y console.group en JavaScript

Módulo OS de Node.js para monitoreo

Crypto de Node.js: hash SHA-256 completo

Módulo process de Node.js en detalle

Timers en Node.js: setTimeout y setInterval

Streams en Node.js para archivos grandes

Manipulación de buffers binarios en Node.js

Servidores con Node.js

Servidor HTTP en Node.js con flag watch

Servidor Node.js que envía video con streams

Streams en Node.js para archivos grandes

Progreso del curso

Introducción a Node.js

Módulos y gestión de paquetes

Módulos nativos en Node.js

Servidores con Node.js

Recursos

Recursos