使用PHP linux将doc，docx，pdf转换为HTML

Question

我运行一个求职网站，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。但我被困在doc / pdf。当我运行测试时，PDFTOHTML给出错误“颜色不好”。至于doc，我只找到了wvwave，它看起来既复杂又笨重。

有没有人对如何轻松地将doc / pdf转换为HTML有任何想法？

Answer 1

我唯一能想到的是FPDF。 它用于在PHP中创建PDF文件，但也可以打开PDF文件。 也许你可以将它作为基础并为它开发某种toHTML函数。

它完全免费使用，并且已经有一些扩展。 它可能会帮助你。

http://www.fpdf.org

编辑： 感谢Pierre对评论的补充：

  

您可以使用fpdi：http://www.setasign.de/products/pdf-php-solutions/fpdi，但输入的pdf就像一张图片。

到目前为止我还没看过它，但这可能会有所帮助。

Answer 2

就.doc文件而言，尝试使用OpenOffice / LibreOffice，例如：
lowriter -convert-to html doc_file.doc –
就PDF来说，如果PDF是文本的图形表示，那么你运气不好，你可以做的最好是尝试使用ImageMagick将其转换为图像，如果它是一个应该容易转换的正确文本。

Answer 3

已经有各种工具可以执行此操作，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，以允许命令行转换 https://help.libreoffice.org/Common/Starting_the_Software_With_Parameters

我确信那里会有教程（在libreoffice支持区域）

Answer 4

为了轻松地将pdf转换为html，我建议pdf2htmlEX生成出色的HTML并且足够快速进行运行时转换。您应该首先花些精力为您的系统优化和构建它。项目链接中包含简单的构建方法。