使用 PHP linux 将 doc、docx、pdf 转换为 HTML答案

【问题标题】：Converting doc, docx, pdf to HTML using PHP linux使用 PHP linux 将 doc、docx、pdf 转换为 HTML
【发布时间】：2011-05-13 20:31:44
【问题描述】：

我运行一个求职网站，我需要在运行 php 的 linux CentOS 服务器上将 doc、docx 和 pdf 文件转换为 HTML。人们将这些文件作为简历提交。到目前为止，我发现 PHPDocx 非常擅长将 docx 转换为 html。但我被困在 doc/pdf 上。当我运行测试时，PDFTOHTML 给出错误“错误颜色”。就文档而言，我只找到了 wvwave，它似乎安装起来复杂且笨重。

有人对如何轻松地将 doc/pdf 转换为 HTML 有任何想法吗？

【问题讨论】：

您有专用服务器还是使用分片托管？
PDF 转 HTML : stackoverflow.com/questions/16785198/…
PDF 转 HTML 基于 Xpdf : sourceforge.net/projects/pdftohtml
gs 可以将任何 PDF（除非数据是嵌入图像）移植到 XML；我猜是 HTML。我不会将此作为答案发布，因为它在批处理模式下的 RAM 太重。
想知道您是否找到了可行的解决方案？在这里分享可能会有所帮助...

标签： php linux pdf docx doc

【解决方案1】：

我唯一能想到的就是 FPDF。它用于在 PHP 中创建 PDF 文件，但它也可以打开 PDF 文件。也许你可以以此为基础，为它开发某种 toHTML 函数。

它完全免费使用，并且已经有一些扩展。它可能会帮助你。

http://www.fpdf.org

编辑：感谢您在 Pierre 的 cmets 中添加我的帖子：

您可以使用 fpdi:http://www.setasign.de/products/pdf-php-solutions/fpdi 但输入的 pdf 就像一个图像。

到目前为止，我自己还没有看过它，但这可能会有所帮助。

【讨论】：

我知道！但它也可以读取现有的 PDF 文件，我很确定你可以开发一些使用 FPDF 作为基类输出 HTML 的东西！
+1 因为不公平的 user1914292 投反对票，他没有阅读答案并投反对票。但是 Ch33f，你不能按预期使用 fdpf。您可以使用 fpdi:setasign.de/products/pdf-php-solutions/fpdi 但输入的 pdf 就像一个图像。
感谢您的 +1 以及对我帖子的补充，我会将其包含在 etid 中。 :)

【解决方案2】：

就 .doc 文件而言，尝试 OpenOffice/LibreOffice 怎么样，例如：
lowriter -convert-to html doc_file.doc –
就 PDF 而言，如果 PDF 是文本的图形表示，那么您就不走运了，最好的办法是尝试使用 ImageMagick 将其转换为图像，如果它是正确的文本，它应该很容易转换。

【讨论】：

【解决方案3】：

已经有各种工具可以做到这一点，例如http://dag.wieers.com/home-made/unoconv/、http://www.phpdocx.com/（您已经尝试过）

http://www.phplivedocx.org/2009/08/13/convert-docx-doc-rtf-to-html-in-php/ 看起来很有希望。

或者，您可以在您的服务器上安装一个便携式版本的 libreoffice，它允许命令行转换 https://help.libreoffice.org/Common/Starting_the_Software_With_Parameters

我确信那里会有教程（在 libreoffice 支持区域）

【讨论】：

【解决方案4】：

为了轻松地将 pdf 转换为 html，我建议使用 pdf2htmlEX，它可以生成出色的 HTML，并且对于运行时转换来说足够快。您应该首先努力为您的系统优化和构建它。项目链接中包含简单的构建方法。

【讨论】：