PHP将pdf转成html 有大用 有大大用 有大大大用

最近有个功能需求是： 识别pdf文件转化为html页面形式

解决方式：

方法1:开始是寻找的PHP插件pdfparser，详见github链接： https://github.com/smalot/pdfparser ，官网示例文档：https://www.pdfparser.org/documentation

摘录示例如下

<?php
// Include Composer autoloader if not already done.
include 'vendor/autoload.php';
// Parse pdf file and build necessary objects.
$parser = new \Smalot\PdfParser\Parser();
$pdf    = $parser->parseFile('document.pdf');
$text = $pdf->getText();
echo $text;
?>

常规的pdf可以进行识别，但是对于里面含有数据表格，就无法识别出里面的表格的样式。推荐程度一般。

方法2:Linux命令，pdf2htmlEX

        1， 安装pdf2htmlEX，过程如下：

sudo yum install -y cmake gcc gnu-getopt libpng-devel fontforge-devel cairo-devel poppler-devel libspiro-devel freetype-devel poppler-data libjpeg-turbo-devel git make gcc-c++ pango-devel
sudo yum install -y libjpeg-turbo.x86_64 libjpeg-turbo-devel libjpeg-turbo-devel.x86_64 libtiff.x86_64 libtiff-devel openjpeg-devel.x86_64 openjpeg giflibgiflib-devel libxml2.x86_64 libxml2-devel libspiro.x86_64 libspiro-devel libuninameslist-devel.x86_64  libtool-ltdl-devel

       2，在github上 下载软件

       https://github.com/coolwanglu/pdf2htmlEX

       https://github.com/coolwanglu/fontforge/tree/pdf2htmlEX

     3，解压缩文件

cd  到压缩文件目录下
tar zxvf pdf2htmlEX-0.14.6.tar.gz
cd  pdf2htmlEX-0.14.6

   4，编辑环境变量文件

1.将如下两条加入到/etc/profile文件底部
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
2.使其生效
source /etc/profile

5，在fontforge目录下面执行

命令：    sh autogen.sh
命令：    sh configure
命令：    make
命令：    make install

6，在pdf2htmlEX目录下面执行，出现文件夹权限问题，可以chmod 777 文件夹

cmake . && make && sudo make install

7，安装完成，使用 pdf2htmlEX  document.pdf 即可生成对应的html文件

比较推荐，就是需要进行环境的安装，稍有麻烦，但是pdf中的表格和图片都能进行转化

方法3 Linux 命令pdftohtml

安装方式，CentOS为例：sudo yum install poppler-utils.x86_64

安装完成，使用命令 pdftohtml -c -s document.pdf 即可

详细命令如下

[root@localhost ~]# pdftohtml --help
pdftohtml version 0.26.5
Copyright 2005-2014 The Poppler Developers - http://poppler.freedesktop.org
Copyright 1999-2003 Gueorgui Ovtcharov and Rainer Dorsch
Copyright 1996-2011 Glyph & Cog, LLC
Usage: pdftohtml [options] <PDF-file> [<html-file> <xml-file>]
-f <int>              : first page to convert
-l <int>              : last page to convert
-q                    : don't print any messages or errors
-h                    : print usage information
-?                    : print usage information
-help                 : print usage information
--help                : print usage information
-p                    : exchange .pdf links by .html
-c                    : generate complex document
-s                    : generate single document that includes all pages
-i                    : ignore images
-noframes             : generate no frames
-stdout               : use standard output
-zoom <fp>            : zoom the pdf document (default 1.5)
-xml                  : output for XML post-processing
-hidden               : output hidden text
-nomerge              : do not merge paragraphs
-enc <string>         : output text encoding name
-fmt <string>         : image file format for Splash output (png or jpg)
-v                    : print copyright and version info
-opw <string>         : owner password (for encrypted files)
-upw <string>         : user password (for encrypted files)
-nodrm                : override document DRM settings
-wbt <fp>             : word break threshold (default 10 percent)
-fontfullname         : outputs font full name

 来自  https://blog.csdn.net/zhangchb/article/details/107179896