用轻量服务器搭建自己的pdf在线工具箱（支持pdf压缩以及pdf OCR）

上篇文章中我们讲了怎么利用腾讯轻量云服务器搭建一个PDF在线压缩工具，今天我们来搭建一个更强大的工具，不仅支持PDF在线压缩，还支持PDF OCR文字识别

前言

前两天需要压缩一个pdf文件，由于pdf中涉及到了一些个人信息，不想使用在线的网站的压缩。下载了几个离线的压缩工具，大部分居然都需要收费，虽然后来找到了一个免费的工具搞定了这件事，不过想到后面可能还会碰到这样的事情，因此萌生了自己做一个在线压缩pdf的网站的想法。查阅了相关资料，最后借助ghostscript 实现了我的需求。不过有小伙伴觉得网站功能太单调了，还有小伙伴想要OCR的功能，我看了一下ghostscript的文档，发现ghostscript是支持OCR的，那还等什么，集成就完事了。如果小伙伴们觉得有用的话，给我的仓库https://github.com/lixiaofei123/pdftoolbox点一个star吧。由于新的工具网站不仅仅是只支持pdf压缩，现在也支持OCR，后面可能还会增加别的功能，因此我将原来的pdfcomress名字改成了pdftoolbox。

下面是网站的首页，可以看到，是非常简洁的。

下面讲一下怎么在腾讯云轻量服务器部署这个pdf在线工具箱，有兴趣的小伙伴可以玩一下

购买腾讯云轻量服务器

既然要在轻量服务器上部署，那么就需要先购买一个轻量服务器。现在轻量服务器在做活动，2核4G的配置一年只需要74元，详情可以点击这个链接了解。如下图所示，点击购买即可

然后选择【地域】和【镜像】，地域的话选择距离自己最近的地域，我们后面要使用Docker进行安装，因此这里直接选择【Docker基础镜像】，下面系统可以选一个自己熟悉的，如果无所谓的话，就保持默认好了。

然后提交订单并付款，稍等一会，我们的轻量服务器实例就创建成功了。为了方便操作，需要用终端来连接服务器，这个涉及到一些配置，官方文档讲的很清楚，可以自己看着操作一下。后面的步骤默认在终端上操作。

启动Docker容器

部署一个应用最简单的方法，当然使用docker镜像了。今天的教程也不例外，我将pdf工具箱直接做成了镜像，里面已经封装好了相应的环境。因此，就不需要那么麻烦的配置环境了。只需要一行命令就可以搞定。

mkdir -p /data/pdftoolbox/input
mkdir -p /data/pdftoolbox/output
docker run -d --name pdftoolbox --restart=always -p 8082:8082 -v /data/pdftoolbox/input:/opt/pdftoolbox/input  -v /data/pdftoolbox/output:/opt/pdftoolbox/output  mrlee326/pdftoolbox

其中//opt/pdftoolbox/input是用来放置用户上传文件的目录，/opt/pdftoolbox/output是用来放转换后的文件的目录，建议将其挂载在宿主机上，这样就方便后面清理文件了。有能力的话，可以自己写一个定时脚本来清理过期的文件。

启动完毕后，就可以通过浏览器来访问我们的pdf在线工具箱了。目前提供了两个功能，一个是pdf压缩、一个是pdf OCR。

PDF压缩

先来试用一下pdf压缩功能。在低质量模式下，可以将pdf的体积压缩到原来的1/4大小。

pdf压缩主要针对的是包含图片比较多的pdf，如果原pdf中基本上都是文字的话，那么压缩的效果就不太理想。因为基本上没压缩的空间了。

PDF OCR

然后就来试一下pdf的文字提取吧。这个功能同样是基于ghostscript来实现的。激活【PDF文字提取】选项，然后根据需要来选择额外支持的语言，目前内部默认支持简体中文和英文，因此基本上不需要选择。点击上传文件，就会自动进行转换，如果机器的性能比较低的话，这一步可能会比较慢，请耐心等待几分钟。等下面的进度条全部走完，并出现【点击下载】按钮，说明转换完毕，这时候点击下载即可。

证书配置

如果想要https证书的话，可以使用acme-companion容器来进行证书的自动颁发。这个操作起来也很简单。只需要额外启动两个容器即可

docker run --detach \
    --name nginx-proxy \
    --publish 80:80 \
    --publish 443:443 \
    --volume certs:/etc/nginx/certs \
    --volume vhost:/etc/nginx/vhost.d \
    --volume html:/usr/share/nginx/html \
    --volume /var/run/docker.sock:/tmp/docker.sock:ro \
    nginxproxy/nginx-proxy

 docker run --detach \
    --name nginx-proxy-acme \
    --volumes-from nginx-proxy \
    --volume /var/run/docker.sock:/var/run/docker.sock:ro \
    --volume acme:/etc/acme.sh \
    --env "[email protected]" \
    nginxproxy/acme-companion

最后启动pdftoolbox。注意多了几个环境变量VIRTUAL_HOST、VIRTUAL_PORT、ETSENCRYPT_HOST，同时需要提前将pdf.bar.foo解析到轻量服务器的ip上。

docker run --detach \
	--restart=always --name pdftoolbox \
	-v /data/pdftoolbox/input:/opt/pdftoolbox/input \
	-v  /data/pdftoolbox/output:/opt/pdftoolbox/output \
	--env "VIRTUAL_HOST=pdf.bar.foo"  \
	--env "VIRTUAL_PORT=8082"   \
	--env "LETSENCRYPT_HOST=pdf.bar.foo" \
	mrlee326/pdftoolbox

然后通过浏览器访问https://pdf.bar.foo，就可以看到绿色的小锁了，表示我们的网站是安全的了。

总结

通过上面的过程，我们就有了一个属于自己的在线pdf工具箱网站，这样也不用担心自己的个人信息被别人保存，同时更换电脑的话也不需要重新安装软件。如果小伙伴们觉得有用的话，给我的仓库https://github.com/lixiaofei123/pdftoolbox点一个star吧