企业 Web 项目开发中经常会有生产 PDF 格式文档的需求，例如 PDF 账单下载，月末生成各种统计报表等等。我们要帮助企业实现自动化，也就是说无需人工干预，程序能够按需从 DB 中拿数据自主生成。

项目使用 PHP 开发，于是调研了一下 PHP 的 PDF 类库，有 dompdf，TCPDF 之流，总的来说，各个项目主页上自夸的成分居多，基本思想都是类似的，即先用 HTML 写一个模板，每次往模板里填上数据，就可以转成 PDF 输出。但真正用起来就会发现各种毛病各种坑爹，部分 CSS 属性不支持啦，中文乱码啦，诸如此类。最终让我们抛弃 dompdf 的貌似是分页的一个大坑，据说一个表格 <table> 标签在跨页的情况下，dompdf 就直接崩溃了……

转换一下思路，其实我们只是要把 HTML 转成 PDF 而已，并不是必须要使用 PHP 这种低效的语言来做它并不擅长的事情。 Linux 下有没有二进制程序可以做这项工作呢？大杀气登场，撒花欢迎～

一、wkhtmltopdf：利用 webkit 内核将 HTML 转为 PDF

webkit 是一个高效、开源的浏览器内核，包括 Chrome 和 Safari 在内的（当然也包括国内那些极速啥的）浏览器都使用了这个内核。Chrome 打印当前网页的功能，其中有一个选项就是直接“保存为 PDF”。

Chrome 打印为 PDF

wkhtmltopdf 就是这样一个工具，使用 webkit 内核的 PDF 渲染引擎来将 HTML 页面转换为 PDF。高保真，质量很不错，server 上安装相关中文字体即可支持中文文档。更重要的是，使用非常简单。

<?php
 //将网页内容转换为 PDF
 exec("wkhtmltopdf http://www.google.com google.pdf");
 //将本地 HTML 文件转为 PDF
 exec("wkhtmltopdf my.html my.pdf");
?>

当然它本身提供了一些 PHP 集成的方法，但我还是觉得直接用 exec 调用外部程序更方便一些。

HTML 源文件和生成的 PDF 文件对比效果图——

wkhtmltopdf html 源文件

wkhtmltopdf 生成的pdf

关于中文渲染的问题，只要在服务器上安装相应字体即可。如果是 CentOS 系统，一个命令就能搞定：

$ yum install fonts-chinese.noarch

另外注意在 HTML 文档中也要指定字符集

<meta http-equiv="Content-Type" content="text/html; charset=utf-8"/>

———- 我是猥琐的分割线，割割更健康 ———-

二、pdf2htmlEX：将 PDF 转为 HTML 网页

反过来，可否将 PDF 转化为 HTML 网页呢？（这样蛋疼的需求，我等是无法预料的……）

pdf2htmlEX 的作者是一名中国人，他实现将了 PDF 转换为 HTML，主要针对学术论文进行优化。这个工具的出现在Hacker News上引发了热烈讨论。看下 demo 你就会感叹它的效果是多么惊艳：

它的用法也非常简单，适合各路 PhD 们展示论文用。

$ pdf2htmlEX /path/to/foobar.pdf

综上

本文介绍了 wkhtmltopdf 和 pdf2htmlEX 这两个将 HTML 和 PDF 格式文档互相转换的神器。但是其实这篇 blog 写来只是因为尘埃落定太久没更新了，写点东西更新一下而已 🙂
— EOF —