企業 Web 項目開發中經常會有生產 PDF 格式文檔的需求，例如 PDF 賬單下載，月末生成各種統計報表等等。我們要幫助企業實現自動化，也就是說無需人工干預，程序能夠按需從 DB 中拿數據自主生成。

項目使用 PHP 開發，於是調研了一下 PHP 的 PDF 類庫，有 dompdf，TCPDF 之流，總的來說，各個項目主頁上自誇的成分居多，基本思想都是類似的，即先用 HTML 寫一個模板，每次往模板里填上數據，就可以轉成 PDF 輸出。但真正用起來就會發現各種毛病各種坑爹，部分 CSS 屬性不支持啦，中文亂碼啦，諸如此類。最終讓我們拋棄 dompdf 的貌似是分頁的一個大坑，據說一個表格 <table> 標籤在跨頁的情況下，dompdf 就直接崩潰了……

轉換一下思路，其實我們只是要把 HTML 轉成 PDF 而已，並不是必須要使用 PHP 這種低效的語言來做它並不擅長的事情。 Linux 下有沒有二進制程序可以做這項工作呢？大殺氣登場，撒花歡迎～

一、wkhtmltopdf：利用 webkit 內核將 HTML 轉為 PDF

webkit 是一個高效、開源的瀏覽器內核，包括 Chrome 和 Safari 在內的（當然也包括國內那些極速啥的）瀏覽器都使用了這個內核。Chrome 打印當前網頁的功能，其中有一個選項就是直接“保存為 PDF”。

Chrome 打印為 PDF

wkhtmltopdf 就是這樣一個工具，使用 webkit 內核的 PDF 渲染引擎來將 HTML 頁面轉換為 PDF。高保真，質量很不錯，server 上安裝相關中文字體即可支持中文文檔。更重要的是，使用非常簡單。

<?php
 //將網頁內容轉換為 PDF
 exec("wkhtmltopdf http://www.google.com google.pdf");
 //將本地 HTML 文件轉為 PDF
 exec("wkhtmltopdf my.html my.pdf");
?>

當然它本身提供了一些 PHP 集成的方法，但我還是覺得直接用 exec 調用外部程序更方便一些。

HTML 源文件和生成的 PDF 文件對比效果圖——

wkhtmltopdf html 源文件

wkhtmltopdf 生成的pdf

關於中文渲染的問題，只要在服務器上安裝相應字體即可。如果是 CentOS 系統，一個命令就能搞定：

$ yum install fonts-chinese.noarch

另外注意在 HTML 文檔中也要指定字符集

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

———- 我是猥瑣的分割線，割割更健康 ———-

二、pdf2htmlEX：將 PDF 轉為 HTML 網頁

反過來，可否將 PDF 轉化為 HTML 網頁呢？（這樣蛋疼的需求，我等是無法預料的……）

pdf2htmlEX 的作者是一名中國人，他實現將了 PDF 轉換為 HTML，主要針對學術論文進行優化。這個工具的出現在Hacker News上引發了熱烈討論。看下 demo 你就會感嘆它的效果是多麼驚艷：

它的用法也非常簡單，適合各路 PhD 們展示論文用。

$ pdf2htmlEX /path/to/foobar.pdf

綜上

本文介紹了 wkhtmltopdf 和 pdf2htmlEX 這兩個將 HTML 和 PDF 格式文檔互相轉換的神器。但是其實這篇 blog 寫來只是因為塵埃落定太久沒更新了，寫點東西更新一下而已 🙂
— EOF —