ukwa/pdf2htmlex

pdf2htmlEX Docker镜像

镜像概述和主要用途

这是一个容器化的Python Web服务，用于运行pdf2htmlEX工具，通过URL将PDF文件转换为HTML格式。pdf2htmlEX是一款高质量的PDF转HTML转换器，本镜像提供便捷的Web接口，简化了PDF到HTML的转换流程，支持容器化部署。

核心功能和特性

• 集成pdf2htmlEX工具，提供高质量PDF到HTML转换能力
• 提供Web服务接口，支持通过URL指定待转换的PDF文件
• 支持可选参数控制转换范围：first_page（默认值1）和last_page
• 容器化部署，易于快速启动和集成到现有系统
• 1.0.1版本起使用gunicorn作为WSGI服务器，提升生产环境稳定性

使用场景和适用范围

• 需要通过URL远程转换PDF为HTML的自动化流程
• Web应用中集成PDF转HTML功能
• 快速部署和测试pdf2htmlEX转换效果
• 轻量级PDF文档转换服务需求

使用方法和配置说明

部署示例

Docker Run命令

bash
docker run -ti -p 5000:5000 ukwa/pdf2htmlex

该命令会在本地5000端口启动服务，并保持终端连接，可通过Ctrl-C停止服务。

服务使用

转换完整PDF

通过HTTP GET请求调用/convert接口，指定PDF文件的URL：

bash
curl http://localhost:5000/convert?url=http://stlab.adobe.com/wiki/images/d/d3/Test.pdf

转换指定页码范围

使用first_page和last_page参数控制转换的页码范围：

bash
# 转换第2至5页
curl http://localhost:5000/convert?url=http://example.com/document.pdf&first_page=2&last_page=5

变更日志

• 1.0.1：
  • 切换到gunicorn作为WSGI服务器，解决生产环境中的不稳定性问题

TODO

• 建议切换到https://github.com/lukasmartinelli/nigit%E4%BB%A5%E5%87%8F%E5%B0%91%E6%89%80%E9%9C%80%E4%BB%A3%E7%A0%81%E9%87%8F

参考链接

• http://coolwanglu.github.io/pdf2htmlEX/