Go 語言的封裝函式庫，可將 PDF、DOC、DOCX、XML、HTML、RTF、ODT、Pages 文件以及影像（可選擇安裝的相依套件）轉為純文字。

若尚未安裝 Go，請先依照 官方指南 完成安裝。

接著抓取並建置程式碼：

$ go install code.sajari.com/docconv/v2/docd@latest

更多關於安裝後 docd 可執行檔路徑的說明，請參閱 go help install。安裝完成後請確定其路徑已加入 PATH 環境變數。

• tidy
• wv
• popplerutils
• unrtf
• libreoffice（或 unoconv）
• https://github.com/JalfResi/justext

$ sudo apt-get install poppler-utils wv unrtf tidy libreoffice
$ go get github.com/JalfResi/justext

$ brew install poppler-qt5 wv unrtf tidy-html5 libreoffice
$ go get github.com/JalfResi/justext

若要讓 docconv 支援影像轉換，必須先 安裝並建置 gosseract。

完成後，於建置、下載或測試 docconv 時加上 -tags ocr 參數，即可啟用影像處理：

$ go get -tags ocr code.sajari.com/docconv/v2/...

在 macOS 上若遇到錯誤，可透過 brew 安裝 tesseract 解決：

$ brew install tesseract

docd 可以以下列幾種方式運行：

1. 預設在 8888 埠口上運行的服務

   可透過 multipart POST 傳送文件，服務會回傳純文字內容與後設資訊的 JSON。

2. 於 Docker container 中執行的服務

   同樣以服務方式執行，但封裝在 Docker container 中。 官方映像位於 https://hub.docker.com/r/sajari/docd。

   你也可以自行建置：

   $ cd docd
   $ docker build -t docd .

3. 直接使用指令列。

   將檔案路徑作為參數，例如：

   $ docd -input document.pdf

• addr - HTTP 伺服器綁定地址，預設為 ":8888"
• readability-length-low - 配合 ?readability=1 參數設定 readability 的 length low
• readability-length-high - 配合 ?readability=1 參數設定 readability 的 length high
• readability-stopwords-low - 配合 ?readability=1 參數設定 stopwords low
• readability-stopwords-high - 配合 ?readability=1 參數設定 stopwords high
• readability-max-link-density - 配合 ?readability=1 參數設定最大連結密度
• readability-max-heading-distance - 配合 ?readability=1 參數設定最大標題距離
• readability-use-classes - 配合 ?readability=1 參數指定 readability 類別，逗號分隔

$ # 於 8000 埠口啟動
$ docd -addr :8000

以下範例僅供參考，實際情況通常是透過 HTTP 收取檔案或從檔案系統讀取。

這應該足以讓你開始使用。

注意：假設你已安裝好依賴套件。

package main

import (
	"fmt"

	"code.sajari.com/docconv/v2"
)

func main() {
	res, err := docconv.ConvertPath("your-file.pdf")
	if err != nil {
		// TODO: handle
	}
	fmt.Println(res)
}

package main

import (
	"fmt"

	"code.sajari.com/docconv/v2/client"
)

func main() {
        // 建立新客戶端，預設端點為 localhost:8888
        c := client.New()

	res, err := client.ConvertPath(c, "your-file.pdf")
	if err != nil {
		// TODO: handle
	}
	fmt.Println(res)
}

也可以透過 curl 直接請求：

$ curl -s -F [email protected] http://localhost:8888/convert

若已安裝 libreoffice，可利用下列輔助函式將 DOCX 檔轉成 PDF：

package main

import (
        "fmt"

        "code.sajari.com/docconv/v2"
)

func main() {
        pdfPath, err := docconv.ConvertDocxToPDF("document.docx", "/tmp")
        if err != nil {
                // TODO: handle
        }
        fmt.Println("PDF 輸出於", pdfPath)
}