pdf 转 word
一、思路
- 直接调用LibreOffice 命令进行文档转换的命令行工具
使用的前系统中必须已经安装了
- libreoffice
- libreoffice已翻译的用户界面语言包: 中文 (简体)
- libreoffice离线帮助文档: 中文 (简体)
- 上传字体
重点：
重点：
重点：
亲测 7.1.8版本pdf 转word后正常 ，
7.4.6版本转出来的样式有问题，都挤在一页，重叠在一起。
二、软件安装下载
1. windows安装
https://zh-cn.libreoffice.org/download/libreoffice/
a.安装
直接一键默认安装
环境变量：在path前加入libreoffice安装路径（如：D:\Program Files\LibreOffice\program）
进入dos窗口输入soffice 如果弹出libreoffice界面则表示安装成功
b. 中文包
另外再下载安装下以中文包，此处略过
- libreoffice已翻译的用户界面语言包: 中文 (简体)
- libreoffice离线帮助文档: 中文 (简体)
soffice --infilter="writer_pdf_import" --convert-to doc 11种绕过CDN查找真实IP 方法.pdf 2>&1
2 certos7版本安装
-
- CentOS系统环境：
[root@localhost ~]# cat /etc/redhat-release
CentOS Linux release 7.2.1511 (Core)
## 下载下面三个包
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/rpm/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_rpm.tar.gz
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/rpm/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_rpm_helppack_zh-CN.tar.gz
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/rpm/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_rpm_langpack_zh-CN.tar.gz
-
- 解压并安装
## 主包
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_rpm.tar.gz
yum install ./LibreOffice_7.1.8.1_Linux_x86-64_rpm/RPMS/*.rpm -y
## 已翻译的用户界面语言包: 中文 (简体)
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_rpm_langpack_zh-CN.tar.gz
yum install ./LibreOffice_7.1.8.1_Linux_x86-64_rpm_langpack_zh-CN/RPMS/*.rpm -y
## 离线帮助文档: 中文 (简体)
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_rpm_helppack_zh-CN.tar.gz
yum install ./LibreOffice_7.1.8.1_Linux_x86-64_rpm_helppack_zh-CN/RPMS/*.rpm -y
3. Debian 版本安装
root@4f14d865967a:/# cat /etc/issue
Debian GNU/Linux 11 \n \l
-
- 7.1.8包下载地址
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/deb/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_deb.tar.gz
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/deb/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_deb_helppack_zh-CN.tar.gz
wget https://downloadarchive.documentfoundation.org/libreoffice/old/7.1.8.1/deb/x86_64/LibreOffice_7.1.8.1_Linux_x86-64_deb_langpack_zh-CN.tar.gz
-
- 解压并安装
## 主包
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_deb.tar.gz
dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb/DEBS/*.deb
## 离线帮助文档: 中文 (简体)
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_deb_helppack_zh-CN.tar.gz
dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb_helppack_zh-CN/DEBS/*.deb
## 已翻译的用户界面语言包: 中文 (简体)
tar -xvf LibreOffice_7.1.8.1_Linux_x86-64_deb_langpack_zh-CN.tar.gz
dpkg -i LibreOffice_7.1.8.1_Linux_x86-64_deb_langpack_zh-CN/DEBS/*.deb
-
- 使用帮助
测试是否安装成功：
libreoffice7.1 -help （根据使用的版本自己调整命令版本号） - 使用帮助
-
- 查看版本
[root@localhost testPdf2word]# libreoffice7.1 -version
Warning: -version is deprecated. Use --version instead.
LibreOffice 7.1.8.1 e1f30c802c3269a1d052614453f260e49458c82c
4. 安装字体
安装字体是为了防止中文乱码问题处理
1：查看fonts目录：cat /etc/fonts/fonts.conf | grep fon
得知字体存放位置：/usr/share/fonts
[root@localhost Fonts]# cat /etc/fonts/fonts.conf | grep fon
problems to the fontconfig bugzilla system located at fontconfig.org
Note that the normal 'make install' procedure for fontconfig is to
replace any existing fonts.conf file with the new version. Place
/usr/share/fonts
/usr/share/X11/fonts/Type1 /usr/share/X11/fonts/TTF /usr/local/share/fonts
fonts
~/.fonts
/usr/lib/fontconfig/cache
fontconfig
~/.fontconfig
2: 新建/usr/share/fonts/Fonts文件夹
mkdir /usr/share/fonts/Fonts
3：把Windows下的字体C:\Windows\Fonts下的宋体，即 simsun.ttc上传到linux服务器 /usr/share/fonts/Fonts/ 路径下即可
[root@localhost Fonts]# ll
总用量 17788
-rw-r--r--. 1 root root 18214472 4月 21 09:39 SIMSUN.TTC
4: 查看刚指定的字体
[root@localhost Fonts]# fc-list :lang=zh
/usr/share/fonts/Fonts/SIMSUN.TTC: 新宋体,NSimSun:style=常规,Regular
/usr/share/fonts/Fonts/SIMSUN.TTC: 宋体,SimSun:style=常规,Regular
5：至此安装成功
三、实现PDF转word文档
pdf 转 word 2003
参数说明
## --outdir为 输出目标
## --convert-to 转换格式
libreoffice7.1 --infilter="writer_pdf_import" --convert-to doc ip.pdf --outdir ./ 2>&1
pdf 转 word 2007
libreoffice7.1 --infilter="writer_pdf_import" --convert-to docx ip.pdf --outdir ./ 2>&1
四、制作自己的镜像
-
运行容器 基于
cypress/browsers
docker run --name=browsers -itd cypress/browsers -
进入容器安装
LibreOffice_7.1.8.1软件
进入browsers容器 使用上面的Debian 版本安装方式安装好 -
打包镜像
docker commit 4f14d865967a 10.10.11.145:8082/cypress/browsers_libreoffice7.1:latest -
查看打好镜像
[root@cert-admin-api-service ~]# docker images | grep browsers_libreoffice7.1
10.10.11.145:8082/cypress/browsers_libreoffice7.1 latest 5d2e6f5dc95b 3 minutes ago 3.34GB
- 登录镜像仓库
sudo docker login 127.0.0.1:8082 -u 用户名 -p 密码
6.推送到镜像仓库
docker push 127.0.0.1:8082/cypress/browsers_libreoffice7.1:latest
五、遇到的坑
1. 版本问题
亲测 7.1.8版本pdf 转word后正常 ，
7.4.6版本转出来的样式有问题，都挤在一页，重叠在一起。
解决方法：
安装7.1.8版本
安装7.1.8版本
安装7.1.8版本
2. 字体重叠问题
解决方法
为因是 html 转的 pdf ,然后再用 pdf 转为 word
出现字体重叠问题，是因为使用粗体导致，所以 html css 样式不要使用
font-weight: bold;
六、go代码实现
使用 golang 执行 cmd 命令，调用 libreoffice7，实现 pdf 转 word
/*
参数说明
## --outdir 为 输出目文件夹路径
## --convert-to 转换格式 例 doc / docx /pdf
sourcePdfPath pdf源文件路径 例 staitc/download/ip.pdf
createWordPath 生成的word文件夹路径 例 static/download
/usr/local/bin/libreoffice7.1 --infilter="writer_pdf_import" --convert-to doc staitc/download/ip.pdf --outdir staitc/download 2>&1
*/
//Pdf2Word pdf 转 word
func Pdf2Word(sourcePdfPath, createWordDirPath string) (filePath string, err error) {
argStr := fmt.Sprintf(`libreoffice7.1 --infilter="writer_pdf_import" --convert-to doc %s --outdir %s`, sourcePdfPath, createWordDirPath)
cmd := exec.Command("/bin/sh", "-c", argStr)
log.Println("cmd:-->", cmd.String())
// 方法一
//stderr, err := cmd.StderrPipe()
//if err != nil {
// log.Println("stderr1:-->", err.Error())
// return
//}
//stdout, err := cmd.StdoutPipe()
//if err != nil {
// log.Println("stderr2:-->", err.Error())
// return
//}
//if err = cmd.Start(); err != nil {
// log.Println("stderr3:-->", err.Error())
// return
//}
//outErr, err := io.ReadAll(stderr)
//if err != nil {
// log.Println("stderr4:-->", err.Error())
// return
//}
//out, err := io.ReadAll(stdout)
//if err != nil {
// log.Println("stderr5:-->", err.Error())
// return
//}
//if err = cmd.Wait(); err != nil {
// log.Println("stderr6:-->", err.Error())
// return
//}
//log.Printf("Result: %s, outErr: %s; /n", out, outErr)
// 方法二
var out bytes.Buffer
var stderr bytes.Buffer
cmd.Stdout = &out
cmd.Stderr = &stderr
err = cmd.Run()
//log.Println("cmd.Run() failed:", fmt.Sprint(err)+": "+stderr.String())
if err != nil {
log.Println("cmd.Run() failed22:", fmt.Sprint(err)+": "+stderr.String())
return
}
log.Println("pdf2Word success . Result: " + out.String())
//获取文件名带后缀
filenameWithSuffix := path.Base(sourcePdfPath)
//获取文件后缀
fileSuffix := path.Ext(filenameWithSuffix)
//获取文件名
filenameOnly := strings.TrimSuffix(filenameWithSuffix, fileSuffix)
filePath = createWordDirPath + "/" + filenameOnly + ".doc"
return filePath, nil
}
参考相关文档：
linux安装参考官网
https://zh-cn.libreoffice.org/get-help/install-howto/linux/
官网命令行说明
https://help.libreoffice.org/latest/zh-CN/text/shared/guide/convertfilters.html?DbPAR=SHARED#bm_id541554406270299
Libreoffice命令行实现office转pdf(Windows、Linux)
https://blog.csdn.net/CheneyKing/article/details/122323156
Go语言中 如何实现PDF转word文档 ？
https://zhuanlan.zhihu.com/p/619789117
3分钟带你通过 Go 语言实现 PDF 转 Word！
https://baijiahao.baidu.com/s?id=1761721549111346526&wfr=spider&for=pc