Stirling-PDF

Aplicación web desplegada con Docker para realizar operaciones con ficheros PDF.

• Repositorio de código

• Organizar (comprimir, unir, dividir, rotar, eliminar…)
• Convertir a PDF (imágenes, URL / página web, fichero HTML, markdown…)
• Convertir desde PDF (a imagen, Word, presentación, a TXT, a HTML…)
• Seguridad (firmar, añadir contraseña, eliminar contraseña, cambiar permisos, añadir marca de agua…)
• Ver y editar (ver PDF, ejecutar OCR, añadir números de página, extraer imágenes, eliminar páginas en blanco, cambiar metadatos, obtener información del PDF…)
• Avanzado (renombrar, reparar, ajustar color/contraste, dividir páginas…)

Ejemplo de Docker Compose:

services:
  stirling-pdf:
    image: frooodle/s-pdf:latest
    ports:
      - '8003:8080'
    volumes:
      - ./trainingData:/usr/share/tessdata #Required for extra OCR languages
      - ./extraConfigs:/configs
#      - ./customFiles:/customFiles/
#      - ./logs:/logs/
    environment:
      - DOCKER_ENABLE_SECURITY=false
      - INSTALL_BOOK_AND_ADVANCED_HTML_OPS=false
      - LANGS=es_ES
    restart: unless-stopped

Tras instalarlo, lo tendríamos disponible desde http://miservidor.ext:8003/

Para instalar más idiomas, debemos descargarlos de:

• https://github.com/tesseract-ocr/tessdata_fast: paquetes de idiomas más pequeños y menos precisos, pero tardan menos en cargar (es el que usa por defecto Stirling-PDF).
• https://github.com/tesseract-ocr/tessdata: paquetes de idiomas más grandes y precisos, pero tardan más en cargar.

Ejemplo instalando el paquete de español desde tessdata_fast:

# En la carpeta del host de Docker ''/home/usuario/docker/stirling-pdf/trainingData''
# descargamos el paquete de idioma Español:
wget https://github.com/tesseract-ocr/tessdata_fast/raw/main/spa.traineddata