philiplehmann/poppler-server

poppler HTTP包装器

镜像概述

poppler HTTP包装器是一个基于poppler工具的简单HTTP服务，用于通过HTTP请求从PDF文档中提取文本和HTML内容。它提供了便捷的HTTP接口，简化了PDF内容提取的集成流程。

核心功能

• 基于poppler工具实现高效的PDF内容解析
• 提供HTTP POST接口，支持两种主要转换功能：
  • PDF转文本（通过/pdf-to-text端点）
  • PDF转HTML（通过/pdf-to-html端点）

使用场景

适用于需要通过HTTP API集成PDF内容提取功能的场景，如：

• 文档管理系统中的内容索引
• 自动化数据处理流程中的PDF解析
• 后端服务对PDF内容的提取需求

使用方法

运行镜像

使用以下命令启动容器，默认暴露3000端口：

docker
docker run -p 3000:3000 --name poppler philiplehmann/poppler-server:latest

PDF转文本

通过/pdf-to-text端点发送POST请求，上传PDF文件获取文本内容：

bash
curl -X POST \
  -H 'content-type: application/x-www-form-urlencoded' \
  --data-binary "@path/to/my/document.pdf" \
  'http://localhost:3000/pdf-to-text'

PDF转HTML

通过/pdf-to-html端点发送POST请求，上传PDF文件获取HTML内容：

bash
curl -X POST \
  -H 'content-type: application/x-www-form-urlencoded' \
  --data-binary "@path/to/my/document.pdf" \
  'http://localhost:3000/pdf-to-html'

相关链接

• 项目GitHub地址：https://github.com/philiplehmann/container/tree/main/apps/poppler
• poppler官方网站：https://poppler.freedesktop.org/