将 PDF 转换为 HTML，而不会丢失任何格式

Question

我正在开发一个Python Flask网络应用程序，我正在尝试将一些用户上传的PDF转换为格式良好的HTML，就像当您在.iframe到目前为止，我尝试了几件事：库，产生凌乱的HTML，pdfminer.six在渲染带有pdf.js的PDF时，试图抓取生成的HTML，这显然隐藏在影子DOM中，无法访问其内部HTML最后我遇到了（https://github.com/pdf2htmlEX/pdf2htmlEX），它产生了我想要的东西。pdf2htmlEX在本地，此解决方案效果很好，但是在生产状态（Heroku）中，我无法正确安装它。该项目已被弃用，文档有限且可怕。问题与损坏的依赖项有关。那么，如何使用Python或任何其他工具有效地将PDF转换为HTML而不会丢失任何格式？非常感谢。如果有人愿意帮助我获得pdf2htmlEX在heroku上工作，请发表评论，我会在另一篇文章中发布更多详细信息

Answer 1

这不会是微不足道的。但我会给出一些指点。

您需要在其中定义构建包。
https://devcenter.heroku.com/articles/app-json-schema#buildpacksapp.json

如果这个项目可以通过它获得，那将很容易。您只需使用 Heroku 的 Apt 构建包定义一个，说明它需要安装哪些包。示例
然后它会自动安装它，您就完成了。aptAptfile

如果它不能作为软件包使用，则需要创建自己的构建包。

https://devcenter.heroku.com/articles/buildpack-api 此处使用的示例。

另一种解决方案是将项目进行泊坞化，并将其作为泊站容器执行。