README

PDF 转 HTML PHP 类

一个简单的类，用于将 PDF 文件转换为 HTML 文档。此包是从原始维护者分叉而来。由于它已经被遗弃，我决定迁移此包并将其移植，以便在 php 7.1+ 环境中使用。

安装

composer require garrensweet/pdftohtml-php

或者将此包添加到您的 composer.json

{
  "garrensweet/pdftohtml-php": "^2.1.0"
}

要求

1. 您必须在您的系统上安装 poppler-utils 包。您还必须确保拥有 poppler-utils 的用户与您的 Nginx 用户相匹配，否则您将无法访问此包。

2. 在实例化 Pdf 类之前，您需要告诉库您的二进制文件的路径。如果没有这样做，将使用默认回退（这可能是大多数人都不正确的），您将收到一个通用错误。您可以通过使用此类的 Config::set 方法来这样做。

注意：此 Config 方法与 Laravel 使用的相同存储库实现。

\Gswits\PdfToHtml\Config::set('pdftohtml.bin', '/usr/local/bin/pdftohtml');

\Gswits\PdfToHtml\Config::set('pdfinfo.bin', '/usr/local/bin/pdfinfo');

使用方法

在设置好 poll-utils 包并提供了库的路径后，您可以继续以下操作

警告！如果您不在自动从 composer 加载供应商列表的环境中工作，您将需要手动这样做，通过在文件顶部添加 include /vendor/autoload.php。如果您在使用 Laravel，则不需要此步骤。

以下是一个示例用例

<?php
// if you are using composer, just use this
include 'vendor/autoload.php';

// initiate
$pdf = new Gswits\PdfToHtml\Pdf('file.pdf');

// convert to html string
$html = $pdf->html();

// convert a specific page to html string
$page = $pdf->html(3);

// convert to html and return it as [Dom Object](https://github.com/thesoftwarefanatics/php-html-parser)
$dom = $pdf->getDom();

// check if your pdf has more than one pages
$total_pages = $pdf->getPages();

// Your pdf happen to have more than one pages and you want to go another page? Got it. use this command to change the current page to page 3
$dom->goToPage(3);

// and then you can do as you please with that dom, you can find any element you want
$paragraphs = $dom->find('body > p');
?>

将选项传递给 getDOM

默认情况下，getDom() 将提取 PDF 中包含的所有图像。如果您不希望保留图像，可以在调用 `\$pdf->html()` 生成您的 HTML 文档之前指定此属性。

<?php
$pdfDom = $pdf->getDom(['ignoreImages' => true]);

可用选项

您还可以向 Pdf 构造函数传递多个参数。这些参数作为标志传递给底层的 pdftohtml 二进制文件。您可以查看选项的完整列表

• singlePage, 默认: false
• imageJpeg, 默认: false
• ignoreImages, 默认: false
• zoom, 默认: 1.5
• noFrames, 默认: true

Windows 用户的使用说明

对于那些需要在 Windows 上使用此包的人，有一种方法。首先在这里下载 poppler-utils for windows http://blog.alivate.com.au/poppler-windows/。并下载最新二进制文件。

下载后，解压它。将会有一个名为 bin 的目录。我们需要这个。然后更改您的代码如下

<?php
// if you are using composer, just use this
include 'vendor/autoload.php';
use Gswits\PdfToHtml\Config;
// change pdftohtml bin location
Config::set('pdftohtml.bin', 'C:/poppler-0.37/bin/pdftohtml.exe');

// change pdfinfo bin location
Config::set('pdfinfo.bin', 'C:/poppler-0.37/bin/pdfinfo.exe');
// initiate
$pdf = new Gswits\PdfToHtml\Pdf('file.pdf');

// convert to html and return it as [Dom Object](hhttps://github.com/thesoftwarefanatics/php-html-parser)
$html = $pdf->html();

// check if your pdf has more than one pages
$total_pages = $pdf->getPages();

// Your pdf happen to have more than one pages and you want to go another page? Got it. use this command to change the current page to page 3
$html->goToPage(3);

// and then you can do as you please with that dom, you can find any element you want
$paragraphs = $html->find('body > p');

?>

OS/X 用户的使用说明

感谢 @kaleidoscopique 尝试使其在此包上在 OS/X 上运行

1. 安装 brew

Brew 是 OS/X 上著名的包管理器：https://brew.sh.cn/（aptitude 风格）。

2. 安装 poppler

brew install poppler

3. 验证 pdfinfo 和 pdftohtml 的路径

$ which pdfinfo
/usr/local/bin/pdfinfo

$ which pdftohtml
/usr/local/bin/pdfinfo

4. 无论路径是什么，都使用 Gswits\PdfToHtml\Config::set 在您的 PHP 代码中设置它们。显然，使用与 which 命令提供的相同路径；

<?php
// if you are using composer, just use this
include 'vendor/autoload.php';

// change pdftohtml bin location
\Gswits\PdfToHtml\Config::set('pdftohtml.bin', '/usr/local/bin/pdftohtml');

// change pdfinfo bin location
\Gswits\PdfToHtml\Config::set('pdfinfo.bin', '/usr/local/bin/pdfinfo');

// initiate
$pdf = new Gswits\PdfToHtml\Pdf('file.pdf');

// convert to html and return it as [Dom Object](https://github.com/thesoftwarefanatics/php-html-parser)
$html = $pdf->html();
?>

反馈 & 贡献

发送给我一个改进或任何有问题的 issue。我喜欢帮助并解决其他人的问题。谢谢 :+1