pdf2htmlEX：pdf 转 html，医学指南精细化处理第一步

Debroon2024-05-13 8:35

pdf2htmlEX：pdf 转 html，医学指南精细化处理第一步

单文件转换

多文件转换

代码：https://github.com/coolwanglu/pdf2htmlEX

拉取pdf2htmlEX 的 Docker：

python 复制代码

docker pull bwits/pdf2htmlex
# 拉取 bwits/pdf2htmlex

不用进入容器，直接创建 3 个文件夹

python 复制代码

mkdir pdf2html
mkdir pdf2html/pdf_files    # 所有需要转换的pdf
mkdir pdf2html/html_files   # 用于存放转换好的 html 文件

单文件转换

在 pdf_files 文件夹下面有一个 test_1.pdf，运行命令：

python 复制代码

docker run -ti --rm -v ~/pdf2html:/pdf2html bwits/pdf2htmlex pdf2htmlEX --dest-dir /pdf2html/html_files /pdf2html/pdf_files/test_1.pdf

多文件转换

Docker命令本身并不支持在单个命令中处理多文件或使用通配符执行迭代。因此，您需要使用一些shell脚本逻辑来达到这个目的。

以下是一个在Linux环境下使用bash脚本处理目录中所有PDF文件的方法。

这段脚本将迭代 pdf_files 目录中的所有PDF文件，并对每个文件运行 bwits/pdf2htmlex 容器：

bash 复制代码

#!/bin/bash

# 设定本地PDF文件的目录
PDF_DIR="/home/bobuser/pdf2html/pdf_files"

# 设定HTML输出目录
HTML_DIR="/home/bobuser/pdf2html/html_files"

# 遍历pdf_files目录中的所有PDF文件
for pdf in "$PDF_DIR"/*.pdf; do
  echo "转换文件：$(basename "$pdf")"
  
  # 运行Docker命令来转换当前PDF文件
  docker run -ti --rm -v /home/bobuser/pdf2html:/pdf2html bwits/pdf2htmlex pdf2htmlEX --dest-dir /pdf2html/html_files "/pdf2html/pdf_files/$(basename "$pdf")"
done

echo "所有PDF文件转换完成。"

将上述脚本保存到一个文件中，比如命名为 convert_pdfs.sh，然后执行以下步骤：

给予脚本执行权限：
bash 复制代码
```
chmod +x convert_pdfs.sh
```
执行脚本：
bash 复制代码
```
./convert_pdfs.sh
```

这段脚本将对 pdf_files 目录中的每个PDF文件执行 pdf2htmlEX 命令，将结果输出到 html_files 目录。

这种方法假设所有PDF文件都存储在 /home/bobuser/pdf2html/pdf_files 目录中，并且输出的HTML文件将存储在 /home/bobuser/pdf2html/html_files 目录中。

转换后：