ghostscript

引言 最近在爬一个网站，然后爬到详情页的时候发现，目标内容是用pdf在线预览的 比如如下网站： https://camelot-py.readthedocs.io/en/master/_static/pdf/foo.pdf 根据我的分析发现，这样的在线预览pdf的采用了pdfjs加载预览，用爬虫的方法根本无法直接拿到pdf内的内容的，对的，你注意到了我说的【根本无法直接拿到】中的直接两个字，确实直接无法拿到，怎么办呢？只能把pdf先下载到本地，然后用工具转了，经过我查阅大量的相关资料发现，工具还是有很多： 　　1.借用第三方的pdf转换网站转出来 　　2.使用Python的包来转：如：pyPdf，pyPdf2，pyPdf4，pdfrw等工具 这些工具在pypi社区一搜一大把： 但是效果怎么样就不知道了，只能一个一个去试了，到后面我终于找到个库，非常符合我的需求的库 ——camelot camelot可以读取pdf文件中的数据，并且自动转换成pandas库（数据分析相关）里的DataFrame类型，然后可以通过DataFrame转为csv,json,html都行，我的目标要的就是转为html格式，好，废话不多说，开始搞 开始解析 1.安装camelot: pip install camelot-py pip install cv2 （因为camelot需要用到这个库） 2.下载pdf

3 月，跳不动了？>>> 在日常工作中我们经常用Cadence的Orcad打印PDF文件，但是如果能够打印智能PDF就方便我们查看和分析，节省我们的查看时间，看起来也舒服直观，达到事半功倍的效果。 第一：非常重要！非常重要！非常重要的两个软件：FreePDF和Ghostscript 首先必须在自己PC上安装好这两个软件，具体如何安装这里不再描述，然后按图一设置； 图一 第二：设置PDF导出，进行如下图二设置； 图二 第三：设置PDF文件输出路径，文件名，打印机名和Ghostscript路径，如下图三和图四，设置完后点击OK即可，如果页面过多打印可能需要稍等一会，请耐心等待；特别注意：设置Ghostscript路径时千万要记得设置路径正确否则可能无法打印例如我的安装在“ C:\ProgramFiles\gs\gs9.27\bin\gswin64c.exe"就进行如下设置如图四； 图三 图四 第四：打印完毕后，我们打开shanyingzhizuo.pdf文件，我们可以看到已经变为智能原理图，点击左侧信息栏可以打开相应的东西，例如图五，点击C10就跳转到C10所在页面位置，是不是很方便，是不是美滋滋，最重要的是好看节省我们查阅时间，时间就是金钱，效率就是生命，你懂的。 来源： oschina 链接： https://my.oschina.net/u/4228486/blog

参考： https://blog.csdn.net/aituochang1886/article/details/101167564 安装 Unoconv 参考： https://www.licongying.cn/2018/10/linux-centos-install-unoconv-liboffice/ https://blog.csdn.net/qq_42975335/article/details/102747587 安装 ImageMagick 参考： https://www.cnblogs.com/yzeng/p/11569598.html https://blog.csdn.net/mytt_10566/article/details/80902059 报错解决方案： convert: error while loading shared libraries: libMagickCore-7.Q16HDRI.so.7: cannot open shared object file: No such file or directory https://blog.csdn.net/lvshuocool/article/details/89455700 convert: no images defined `ffcl.png' @ error/convert.c