golang转换pdf到word

注：本例子适合将小文件纯文本的pdf转换为word文档

演示环境：

centos7

Apache/tika (解析pdf)

go-tika  (golang库)

1、首先下载Apache/tika的jar包，下载地址如下：

2、启动tika包，执行命令如下：

3、查看进程对应端口9998，如图：

4、定义main.go文件，文件内容如下：

18行：调用ReadPdf()函数，将new.pdf文件作为参数传递过去，通过os.Open()打开文件，调用tika的NewClient函数解析pdf文件(NewClient的第二个参数就是tika进程)，返回解析后的字符串和错误

23行：将解析内容写入到html文件中

28行：调用函数deleteTitle，删除html文件中的title标签，因为此标签中包含特殊字符，如果不删除会报xml语法错误

32行：再次读取html文件，将html转换为doc文件

5、在main.go同级目录下创建文件夹readhtml，在文件夹中定义文件readhtml.go，内容如下：

8行：定义多个结构体，用于接收反序列化数据

22行：读取html文件的函数，接收第4步传递过来的html文件

28行：反序列化xml内容到结构体中

33行：遍历P标签内容，并将遍历后的字符串转为字节切片后再次添加到字节切片b中(主要目的为了后面的写入doc中)

36行：将字节切片b的内容写入到文件res.doc中

6、上传new.pdf文件到main.go同级目录下，然后执行main.go，如图：

可看到执行后生成了out.html和res.doc文件，查看res.doc文件内容(截取部分)如下：

源文件new.pdf内容如下：

至此，PDF转word完成!!!