问题标签 [pdf2htmlex]

我已经尝试了文档中的每个命令，我怎么能只得到文本部分作为输出，而不是所有的图像？

https://github.com/coolwanglu/pdf2htmlEX/wiki/Command-Line-Options。

我正在尝试在 Ubuntu Server 18.04.1 LTS 上安装 Pdf2HtmlEx 软件。该存储库未维护，但该软件对我非常有用。

我将它安装在 Xubuntu 桌面发行版和 docker 映像上，但我无法在 ubuntu 服务器上执行此操作。

似乎有些新版本的pdf2htmlEx库依赖与上一版本的软件不兼容。

有没有人有同样的问题？有人可以告诉我如何安装吗？

我试过了

• rajeevkannav 解决方案
• 复制这个 dockerfile
• 在构建安装之后

官方仓库是pdf2htmlEX

谢谢知道！

我正在使用pdftohtmlex 将 pdf 文件转换为 htmldom并收到此错误：

Internal Error: Attempt to output 65872 into a 16-bit field. It will be truncate and the file may not be useful.

从命令提示符运行 pdf2htmlEX.exe Windows 二进制文件按预期工作。同时，在包装器（在我的情况下为 .Net）中运行 pdf2htmlEX Windows 二进制文件时，我收到如下错误。

我正在使用pdf2htmlEX将 pdf 转换为 html，当它在 mac 上本地生成时，输出正确显示，但在 amazon linux 上的生产中生成时却不能正确显示。多个页面都有这个问题，但我将使用此pdf的第 22 页作为具体示例。

对于不正确的 html 输出（在 linux 上生成）：

1. 虽然某些文本在浏览器中呈现时不可见，但在使用 chrome 开发工具检查时，正确的文本在底层 html 中
2. 这是由元素的 cssvisibility属性（由类名指定ff13）设置为引起的hidden，在正确的转换中它设置为visible
3. 我可以在css样式计算选项卡下的开发工具中看到rendered fonts正确的字体DejaVu Sans和不正确的字体Helvetica

我检查并确认DejaVuSans.ttf（和其他 DejaVu 字体）安装在 linux 机器上/usr/share/fonts/dejavu/，所以我最好的猜测是由于某种原因pdf2htmlEX程序在进行转换时找不到字体文件，所以它将 cssvisibility属性标记为hidden. 我还尝试安装核心mac（来源此处）和microsoft字体，重新启动机器，然后再试一次，但似乎没有帮助。

有谁知道如何解决这个问题或从这里排除故障？提前感谢您的帮助！

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，例如当您在iframe.

到目前为止，我尝试了几件事：

• pdfminer.six图书馆，产生凌乱的HTML，
• 试图在使用 pdf.js 渲染 PDF 时获取生成的 HTML，这显然隐藏在Shadow DOM中，无法访问其内部 HTML
• 最后我遇到了pdf2htmlEX（https://github.com/pdf2htmlEX/pdf2htmlEX），它产生了我想要的东西。

在本地，这个解决方案效果很好，但是在生产状态（Heroku）我无法正确安装它。该项目已被弃用，文档有限且糟糕。该问题与损坏的依赖关系有关。

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？

十分感谢。

如果有人愿意帮助我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

正在进行服务器迁移，他们正在从 Debian 8 迁移到 Debian 10。除了 pdf2htmlEX 之外，一切都很好。旧服务器使用 v0.14.6，我尝试编译但没有成功。使用 jessie 包会导致依赖问题，并且这些包太旧并且已被替换。

我尝试过 0.18.7 和 0.16.0（所有版本都可以在 GitHub 上找到），到目前为止，0.18.7 似乎是效果最好的版本，尽管有些转换会导致白色或透明文本（在此处提出问题）。

至于0.18.7，需要编译poppler-0.81.0。我使用了本指南，它以 0.89.0 为例。编译没有错误。

有什么我想念的吗？fontforge已经是最新版本了。

很感谢任何形式的帮助。

您能否让我知道如何获取 DOM 中元素/节点的背景颜色

能够低于输出 style="top:161.80327pt;left:29.21pt;line-height:7.4866333pt;font-family:Arial;font-size:7.0pt;width:48.82689pt;"

使用下面的代码（PDF2DOM）

我想使用带有nodejs的pdf2html阅读和发布pdf文件。

我为此使用 pdf2html 库。我可以使用 console.log 在 html 中查看 pdf 内容。

但是，当我将看到的 html 信息分配给一个名为 pdfContent 的变量并尝试发布它时，它会给出“未定义”错误。

如何将 pdf2html.html 中的 html 数据分配给变量？

我正在尝试升级我正在使用的 pdf2htmlEX 版本，并在 docker 映像构建期间遇到各种错误。

这是我的码头文件：

在输出中，我看到多个 docker build 错误，与 poppler 编译有关。

请告知我该如何解决这个问题。