[英]Convert PDF to HTML without losing any format
我正在开发一个 Python Flask webapp,我正在尝试将一些用户上传的 pdf 转换为格式良好的 HTML,例如在iframe
显示 pdf 时生成的 HTML。
到目前为止,我尝试了几件事:
pdfminer.six
库,产生了凌乱的 HTML,pdf2htmlEX
( https://github.com/pdf2htmlEX/pdf2htmlEX ),它产生了我想要的东西。在本地,此解决方案效果很好,但是在生产状态 (Heroku) 中,我无法正确安装它。 该项目已被弃用,文档有限且糟糕。 这个问题与破坏的依赖关系有关。
那么,如何使用 Python 或任何其他工具有效地将 PDF 转换为 HTML 而不会丢失任何格式?
非常感谢。
如果有人愿意帮助我让pdf2htmlEX
在 heroku 上工作,请发表评论,我将在不同的帖子中发布更多详细信息
这不会是微不足道的。 但我会给出一些指示。
您需要一个app.json
来定义您的 buildpack。
https://devcenter.heroku.com/articles/app-json-schema#buildpacks
如果这个项目可以通过apt
那就很容易了。 您只需使用Heroku 的 Apt buildpack定义一个Aptfile
,说明它需要安装哪些包。 例子
然后它会自动安装它,你就完成了。
如果它不能作为包提供,您将需要创建自己的 buildpack。
https://devcenter.heroku.com/articles/buildpack-api
此处使用的示例。
另一种解决方案是将您的项目 dockerize 并将其作为 docker 容器执行。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.