提问人：sam 提问时间：5/14/2011 最后编辑：Nauphalsam 更新时间：8/27/2013 访问量：9220
将 doc、docx、pdf 转换为 HTML 使用 PHP linux
Converting doc, docx, pdf to HTML using PHP linux
问：
我经营一个求职网站，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 非常适合将 docx 转换为 html。但是我被困在doc / pdf上。当我运行测试时，PDFTOHTML给出错误“颜色不好”。就文档而言，我只找到了 wvwave，它似乎安装起来既复杂又笨重。
有没有人对如何轻松地将 doc/pdf 转换为 HTML 有任何想法？
答：
5赞
Ch33f
8/20/2013
#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。 也许你可以以它为基础，为它开发某种toHTML函数。
它是完全免费使用的，并且已经有一些扩展。 它可能会对您有所帮助。
编辑： 感谢您在对 Pierre 的评论中对我的帖子的补充：
您可以使用 fpdi： http://www.setasign.de/products/pdf-php-solutions/fpdi，但输入的 pdf 就像图像一样。
到目前为止，我自己还没有看过它，但这可能会有所帮助。
评论
0赞
Ch33f
8/20/2013
我知道那件事！但它也可以读取现有的 PDF 文件，我很遗憾您可以开发一些使用 FPDF 作为基类输出 HTML 的东西！
2赞
Pierre
8/27/2013
+1 因为不公平的用户1914292投了反对票，他没有看答案，投了反对票。但是 Ch33f，您不能按预期使用 fdpf。您可以使用 fpdi： setasign.de/products/pdf-php-solutions/fpdi，但输入的 pdf 就像图像一样。
0赞
Ch33f
8/27/2013
感谢您的 +1 和对我帖子的补充，我会将其包含在 etid 中。:)
3赞
tmo
8/22/2013
#2
就 .doc 文件而言，尝试 OpenOffice/LibreOffice 怎么样，比如：
就 PDF 而言，如果 PDF 是文本的图形表示，那么你就不走运了，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。lowriter -convert-to html doc_file.doc –
1赞
Breign
8/25/2013
#3
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，并且速度足够快，可以进行运行时转换。您应该首先为您的系统付出一些努力来优化和构建它。项目链接上包含简单的构建方法。
2赞
James
8/27/2013
#4
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，您可以在服务器上安装可移植版本的 libreoffice，该版本允许命令行转换 https://help.libreoffice.org/Common/Starting_the_Software_With_Parameters
我相信会有教程（在 libreoffice 支持区）
下一个：大表的 Mysql 性能
评论
gs可以将任何 PDF（除非数据是嵌入图像）移植到 XML;我猜是HTML。我不是把它作为答案发布，因为它在批处理模式下的RAM太重了。