組裡讓調研在 linux 上實現 PDF 轉 html 的工具，弄了差不多快四天，瘋狂踩坑，不停地 Debug，終於把這個小小的活給搞定了，頭都大了，覺得實在有必要覆盤記錄一下，不沉澱的話就沒辦法消化進步。一開始是在組裡的伺服器（Linux系統）上進行試驗的，兩個伺服器已經被我裝包裝的亂七八糟了，所以裝了 Ubuntu 18.04 的虛擬機器，又按照自己寫的文件試驗了一遍，然鵝還是遇到了各種各樣的 bug，再讓我裝一遍也不保證能一下成功。其實還有一些其他的 pdf 轉 html 的工具，但是因為之前在 Windows 上用的 pdf2htmlEX 這個包師兄反饋說效果還不錯，所以還是首選選擇這個包在 Linux 上的安裝，實在不行再去研究其他的包。

在 linux 上安裝 pdf2htmlEX 有兩種方案，一種是直接拉取 docker，另一種是原始碼安裝。如果不是實在閒的沒事幹真的不建議原始碼安裝，因為一裝，大半天就沒了，處理各種包的依賴報錯著實是一件非常頭大的事情。經歷過這次工作，真正體會到了 docker 的香！

方案一：利用 docker

優點：非常簡單，直接拉取pdf2htmlEX 的 Docker 映象後即可使用；隔離環境，不用事先安裝各種包及考慮各種包之間的依賴。
缺點：需要事先安裝 Docker
參考：https://github.com/coolwanglu/pdf2htmlEX/wiki/Download
https://hub.docker.com/r/bwits/pdf2htmlex/

步驟：

1. 在裝有 Docker 的 linux 系統上執行：docker pull bwits/pdf2htmlex
   （可能需要 root許可權）

執行 docker images 可以看到 bwits/pdf2htmlex 已經被拉取下來了：

2. 使用 pdf2htmlEX 進行 pdf 轉 html

將 pdf_files 資料夾傳到 linux 上，並新建一個 html_files 用於存放轉換好的 html 檔案。

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

這裡注意，docker -v 命令是將宿主機的目錄掛載到容器目錄，即指定本地目錄與 docker 目錄的一一對應，冒號左邊是宿主機目錄，右邊是容器的目錄。--dest-dir 指定生成的 html 檔案存放的位置，要用容器目錄的絕對路徑“/pdf2html/html_files”；最後一個引數 “/pdf2html/pdf_files/test_1.pdf” 也是用容器目錄指示出 pdf 檔案存放的位置。

也可以在 python 中執行 docker 命令：

import os
files = os.listdir('./pdf_files/')
for file in files:
    cmd = r"docker run -ti --rm -v ~/pdf2html:/pdf2html bwits/pdf2htmlex pdf2htmlEX --dest-dir /pdf2html/html_files /pdf2html/pdf_files/" + file
    # print(cmd)
os.system(cmd)

方案二：原始碼安裝

[原始碼安裝就是沒有固定的套路，不知道會遇到什麼樣的報錯，也不知道是哪一步/哪幾步使得問題被解決，有時候成功了就是瞎貓碰上死耗子，再來一遍可能又不行了，但我還是忍不住在這上面花了很長時間琢磨，一個一個解決報錯，debug，其實是自己在跟自己較勁，不過能解決掉的話，即使其中有運氣成分，也還是會有豁然開朗的成就感的，在這個過程中，自認為是有收穫的，沒有虛度時光的空虛感。]

優點：不需要 Docker
缺點：安裝非常非常非常麻煩，要預先安裝各種包，可能要解決包之間的依賴衝突。
參考：https://github.com/coolwanglu/pdf2htmlEX/wiki/Building
https://gist.github.com/mohammedyunus009/914ea2b3cb32d0a196bb58d5892f6325
（主要是參考的第二個連結中的指令碼，但是裡面有的步驟存在問題，會導致安裝出錯，所以請按照下面的步驟安裝）

原始碼的安裝主要分為如下四步：（需要在root許可權下）

1. 安裝依賴包：（這裡是在 Ubuntu上進行測試的，所以使用 apt-get，其他Linux 系統請使用對應的安裝命令）

apt-get update
apt-get install -qq -y cmake gcc libgetopt++-dev git   # 指令碼中的 -qq不行的話改為 -f，-f 表示強制執行
apt-get install -qq -y pkg-config libopenjpeg-dev libfontconfig1-dev libfontforge-dev poppler-data poppler-utils poppler-dbg
# 這裡安裝了很多包，如果偶有一兩個沒裝成功的，可以先放過

2. 安裝 poppler 包（這部分和指令碼中的一樣）

wget http://poppler.freedesktop.org/poppler-0.33.0.tar.xz
tar -xvf poppler-0.33.0.tar.xz
cd poppler-0.33.0/
./configure --enable-xpdf-headers
make
make install

3. 安裝 fontforge（注意這一步不是按照指令碼中的git clone 方式來的，因為git clone下來的包安裝會出錯）
   開啟 pdf2htmlEX 的作者提供的 fontforge 包的連結：https://github.com/coolwanglu/fontforge/tree/pdf2htmlEX
   手動下載，並傳到 linux 系統上
   然後按照裡面的 INSTALL-git.md 進行安裝：

./autogen.sh
./configure
make
sudo make install

【注】fontforge 這個包的安裝是關鍵，之前安裝了很多次均失敗，上述方式是測試過可以成功安裝的，如有報錯請嘗試解決。這一步安裝成功不報錯的話，後面就會比較順利。從這一步往後有參考這個部落格：https://blog.csdn.net/paulluo0739/article/details/54286889

4. 安裝 pdf2htmlEX

git clone --depth 1 https://github.com/coolwanglu/pdf2htmlEX.git   # git clone 可能會因為網路原因不成功，換個時間重試）
cd pdf2htmlEX/
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig    # 這一步要有，指令碼上沒寫
cmake .
make
sudo make install

（到這裡就安裝成功了，但是還需要最後一步才能正常呼叫）

echo 'export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

執行 pdf2htmlEX -h 出現 pdf2htmlEX 的幫助資訊：

將 pdf_files 資料夾中的 test_1.pdf 轉換為 html 放在 html_files：

pdf2htmlEX --dest-dir html_files pdf_files/test_1.pdf

也可以像方案一中一樣用 os.system() 在 python 中呼叫。

上面兩個方案寫完了文件就交工了，然後又自己在虛擬機器上進行測試，結果還是遇到各種各樣的問題：

1. 問題：http://poppler.freedesktop.org/poppler-0.33.0.tar.xz 訪問不了，下載不下來
   解決：在瀏覽器中下載，手動放到目錄

2. 問題：./configure --enable-xpdf-headers 報錯包缺失：No package 'libopenjp2' found
   解決：虛擬機器是 14.04版本，可能沒有 libopenjp2 包，計劃安裝18.04版本的虛擬機器再試試。

[以下為在新安裝的 linux 18.04 測試安裝遇到的問題]

3. 問題：’ libgetopt++-dev’ 安裝不成功

解決：和問題4一樣，更換了源就可以安裝了

4. 問題：apt-get install -qq -y pkg-config libopenjpeg-dev libfontconfig1-dev libfontforge-dev poppler-data poppler-utils poppler-dbg 這條命令中，有幾個沒有安裝成功。
   解決：更換源（https://www.jianshu.com/p/f2d386bc0d5c），Linux 自帶的源很少，很多包都沒有。
   apt-get install poppler-dbg 成功安裝 popper-dbg
   apt-get install libopenjpeg-dev 成功安裝 libopenjpeg-dev
   （因為有些包找不到而卡了好久，如果早點換源早就解決了。。。）

5. 同樣遇到了問題2：No package 'libopenjp2' found
   解決：apt-get install libopenjp2-7 不管用，還是需要 ‘libopenjp2’
   apt-get install libopenjp2-tools 不管用
   apt-get install libopenjp2-7-dev 可以了，不知道是單這一步起作用了，還是加上前兩步一起

6. 回頭解決問題3：apt-get install libgetopt++ （心得：多試試多撞撞，總能碰上死耗子）
   繼續解決問題4：apt-get install libfontforge-dev 安裝好了 libfontforge-dev

7. 安裝 fontforge 時執行 ./autogen.sh 出現：
   
   解決：apt-get install automake 成功解決

8. fontforge 安裝中的 make 這一步：
   
   （先不要一上來就去搜報錯資訊，嘗試仔細看和分析報錯資訊，深入研究，找到問題根源。）
   直覺應該是缺包，然鵝並不是，整了一天還是沒有解決orz。已經在這個小工作上耗費了快一週的時間了，還是沒有摸索出原始碼安裝的可用套路。十一月已經過去三分之一了，主線工作卻還沒有做，所以不能夠繼續在這裡花費時間了，暫時把這個幽靈一樣的bug放一放，以後有心情再回來解決吧，雖然大概率是不會回來了。

感想：客觀評價這件事可以做到的話，只要不放棄，就一定會解決問題達到目標。這次的任務自認為完成得還不錯，花了很多時間，更多的是在較著一股勁，所以堅持到了最後。Docker 安裝的教訓：成功執行的命令一定要立刻記錄下來，不要顧著嘚瑟，否則很快就會忘記，後面遇到同樣的坑還是會往裡跳。唯一可以超越別人的長處：吸取教訓並牢記，不再犯同樣的錯誤。在解決bug的過程中，不知道是哪個/哪幾個步驟導致成功，訓練出的是一種找原因和解決問題的套路。再複雜的事情都是有規律可循的：粉色和藍色表示警告，不用管；紅色表示錯誤；make 步驟也是在每個資料夾中迭代做同樣的步驟。既然知道了複雜的事情都是有規律的，再面對複雜的資訊就不必手足無措了，有時候只是因為時間有限，沒辦法研究很久，所以無法解決，只是一種時間和精力的取捨罷了。一週的折騰，最大的經驗教訓就是，在 linux 上裝東西，千萬不要想不開用原始碼安裝，用 docker 不香嗎。