项目上遇到需求：将pdf文件转换成html格式文件，供另外的服务做html解析从而获取文件内容信息，这里我采用的是pdf2htmlEX作为转换工具，效果不错。 推荐使用最便捷的方法，直接运行docker容器内的程序转换，避免部署工具所需要的环境等，节约很多时间。 先安装docker并配置docker服务自启动，参考文章：CentOS7安装Docker配置服务端和容器自启动 直接运行docker进行 […]
CentOS下使用LibreOffice实现文档格式的转换
项目需求，对上传的文档进行一些预处理，如果用户上传了doc格式的文档，需要将其处理为docx或者pdf格式，以便后续的流程对文档内容进行提取。 先是试了一下phpoffice/phpword这个包，发现其对doc的转换很不理想，这个包更适合用来根据内容生成文档，而不是转换文档，不是太适合我这种需求。 然后发现了LibreOffice这个开源工具，经过使用，效果很好，分享一下。 服务器是CentOS […]