PDF i HTML su Linux Mint

Linux Mint aplinkoje turite puikius komandinės eilutės (CLI) įrankius, kurie šį darbą atlieka greitai, lokaliai ir leidžia lengvai automatizuoti procesą dideliam kiekiui dokumentų.

Kadangi svetainę kuriate su „Publii“, jums greičiausiai reikės vieno iš dviejų scenarijų: arba švaraus turinio, kurį galėsite įklijuoti į „Publii“ redaktorių, arba atskirų, pilnai suformatuotų HTML failų, kuriuos tiesiog patalpinsite serveryje šalia sugeneruotos svetainės.

Štai trys geriausi įrankiai, pritaikyti skirtingiems poreikiams:

1. pdftohtml – Standartinis formatavimo išlaikymas

Tai populiariausias atvirojo kodo įrankis, kuris idealiai tinka standartiniams dokumentams. Jis išlaiko bazinį formatavimą (paryškinimus, pastraipas, paveikslėlius) ir paverčia jį lengvu HTML kodu.

Įdiegimas:

Bash
sudo apt update
sudo apt install poppler-utils

Naudojimas: Jei norite sugeneruoti vieną vientisą HTML failą (o ne atskirus failus kiekvienam puslapiui) su išlaikytu išdėstymu:

Bash
pdftohtml -c -s dokumentas.pdf isvestis.html
  • -c (complex) komanda nurodo išlaikyti originalų elementų išdėstymą.

  • -s (single) sujungia viską į vieną nenutrūkstamą HTML puslapį.

2. pdftotext – Geriausia turinio perkėlimui į „Publii“ straipsnius

Jei jūsų tikslas yra gimnazijos tvarkų aprašus paversti pilnaverčiais „Publii“ straipsniais, HTML konvertavimas gali sukurti per daug „šiukšlino“ kodo (inline stilių), kurį bus sunku redaguoti. Dažnai efektyviau ištraukti švarų tekstą išlaikant jo vizualinę struktūrą ir jį įklijuoti tiesiai į „Publii“ redaktorių.

Šis įrankis jau bus įdiegtas kartu su poppler-utils paketu.

Naudojimas:

Bash
pdftotext -layout dokumentas.pdf tekstas.txt
  • -layout parametras yra kritinis – jis išlaiko originalius tarpus, pastraipas ir net lentelių vizualinę struktūrą paprastame tekste, todėl jums nereikės per naujo formatuoti dokumento rankomis.

3. pdf2htmlEX – Identiška PDF kopija naršyklėje (Pixel-perfect)

Jei turite sudėtingus dokumentus su antspaudais, specifiniais šriftais ar grafika, ir norite, kad HTML atrodytų tiksliai taip pat kaip PDF (bet būtų užkraunamas akimirksniu). Šis įrankis sugeneruoja vieną savarankišką HTML failą, į kurį „įsiuva“ visus šriftus ir paveikslėlius.

Kadangi šio įrankio dažnai nebūna standartinėse repozitorijose, Linux Mint sistemoje jį patogiausia paleisti naudojant AppImage formatą, kurį galima atsisiųsti iš oficialaus kūrėjų „GitHub“ puslapio.

Naudojimas (turint AppImage failą):

Bash
chmod +x pdf2htmlEX.AppImage
./pdf2htmlEX.AppImage dokumentas.pdf

Sugeneruotą failą galite tiesiog įkelti į serverį ir iš „Publii“ straipsnio padaryti nuorodą į jį.

Patarimas masiniam konvertavimui: Jei turite aplanką su dešimtimis gimnazijos dokumentų, jums nereikia jų konvertuoti po vieną. Terminale, būdami tame aplanke, paleiskite šį ciklą:

Bash
for f in *.pdf; do pdftohtml -c -s "$f" "${f%.pdf}.html"; done

Tai automatiškai praeis per visus PDF failus ir šalia sukurs atitinkamus HTML failus.