docker pull bwits/pdf2htmlex
首先运行：
alias pdf2htmlEX='docker run -ti --rm -v `pwd`:/pdf bwits/pdf2htmlex pdf2htmlEX'
然后使用命令pdf2htmlEX 测试的pdf文件.pdf即可生成目标HTML文件：
wget http://www.africau.edu/images/default/sample.pdf
pdf2htmlEX sample.pdf
更多用法请参考：https://github.com/coolwanglu/pdf2htmlEX/wiki/Quick-Start
代码也很简单：
def convert_pdf_to_html(filename):
import subprocess
subprocess.call("docker run --rm -v `pwd`:/pdf bwits/pdf2htmlex pdf2htmlEX {}".format(filename), shell=True)
if __name__ == '__main__':
convert_pdf_to_html("sample.pdf")
运行linux命令可以参考：https://linuxhint.com/execute_shell_python_subprocess_run_method/
安装xhtml2pdf https://pypi.python.org/pypi/xhtml2pdf/下载字体：微软雅黑；给个地址：//www.jb51.net/fonts/8481.html
待转换的文件：1.htm复制代码 代码如下:<meta charset=”utf8″/><style type=’text/css’>@font-face { font-family: “code2000”; src: url(“code2000.ttf”) }
html { font-family: code2000; } </style><html
pdf2htmlEX：将 PDF 转换为 HTML 的高效工具
PDF 是一种广泛使用的文件格式，但有时候我们需要将其转换为 HTML 格式以便更好地在线展示或进行进一步处理。本文要向您介绍的 pdf2htmlEX 就是一个功能强大的 PDF 转换工具。
pdf2htmlEX 可以将 PDF 文件转换为 HTML5，同时保留原始文档的所有样式、布局和注释。与许多其他转换器不同，pdf2...
一个礼拜前一个同学问我这个事情，由于之前在参加华为的比赛，所以赛后看了一下，据说需要用到pdfminer这个包。于是安装了一下，安装过程很简单：
sudo pip install pdfminer;
中间也没有任何的报错。至于如何调用，本人也没有很好的研究过pdfminer这个库，于是开始了百度……
官方文档：http://www.unixuser.org/~euske/python/pdfminer/index.html
完全使用python编写。 （适用于2.4或更新版本）
解析，分析，并转换成PDF文档。
PDF-1.7规范的支持。 （几乎）
中日韩语言和垂直书写脚本支持。
各种字体类
遵从开源协议 GPLv3+
使用 pdf2htmlEX [] 作为pdf 转换至 html的工具。
对 pdf2htmlEX 做了扩展，增加了生成的 html 的功能及样式.
使用express, node.js实现一个服务端程序，用以接受 post pdf文件的网络请求，在服务端生成html，并返回。增加了用户创建， 用户登录授权, 资源鉴权的功能.
为生产环境布署，实现了docker化.。
##使用
先根据.env.sample 生成自己的 .env.dev
// 第一次运行请初始化数据库
sh ./src/database/init_db.sh
// 运行开发模式
npm run dev
// 或调试模式
npm run debug
注意： 需要自行启动redis服务，在 localhost:6379,
可选择使用此方式启动
pdf2htmlEX使用
1、参考https://www.cnblogs.com/pxblog/p/14588770.html在Linux(centos)使用docker安装pdf2htmlEX
而后创建放置pdf原文与生成的html的文件
2、下载pdf2htmlEX
3、将下载好的pdf2html放置到相应的文件夹下
4、输入命令：
docker run -it --rm -v /:/pdf --privileged=true bwits/pdf2htmlex pdf2htmlEX --zoom 1
在使用github展现在线的pdf的时候，因为一些原因会比较慢，所以记录一下另一个方法，就是把pdf转称html的方法。这里使用pdf2htmlex，因为brew安装比较麻烦，推荐直接使用docker安装。这样就可以直接输入pdf2htmlEX来使用了。
本文使用系统CentOS 7 1、获取压缩包 点击下载pdf2htmlEX-0.14.6.tar.gz 2、解压 3、此时直接安装会有问题，需要先编译安装libfontforge 出现以上提示表示成功
pdf2html 参数说明用法: pdf2htmlEX [options] <input.pdf> [<output.html>]
-f,--first-page <int> 需要转换的起始页 (默认: 1)
-l,--last-page <int> 需要转换的最后一页 (默认: 2147483647)
--zoom <fp>
依赖于 pdf2htmlEX 的 PDF 转换器
目前，安装主要的pdf2htmlEX依赖项并不像运行apt那样apt 。 以下说明适用于 Ubuntu 14.04。 它们改编自 [ ] ( )。
您将需要这些来获取一些依赖项。 有可能，其中一些已经安装：
sudo apt-get install git
sudo apt-get install subversion
sudo apt-get install cvs
各种各样的
这些都是一个或另一个包所需要的：
sudo apt-get update
sudo apt-get install cmake
sudo apt-get install libopenjpeg-dev
sudo apt-get install libpng12-dev
sudo a
项目上遇到需求：将pdf文件转换成html格式文件，供另外的服务做html解析从而获取文件内容信息，这里我采用的是pdf2htmlEX作为转换工具，效果不错。推荐使用最便捷的方法，直接运行docker容器内的程序转换，避免部署工具所需要的环境等，节约很多时间。先安装docker并配置docker服务自启动，参考文章：直接运行docker进行转换docker run -ti --rm -v `pwd...
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CdypYjKs-1691994412348)(pdf2htmlEX%20829869fb014a4ae499644001e79f8048/Untitled.png)]在 pdf2htmlEX 中，自定义字体文件可以用于替换 PDF 文档中使用的默认字体，或者添加 PDF 文档中未包含的字体。这可以确保在将 PDF 文档转换为 HTML5 格式时，所使用的字体与原始 PDF 文档中的字体相同，从而保持文档的一致性。
