ofd-converter

ofd-converter

OFD 文档转换命令行工具，支持将 OFD 文件转换为 PDF、纯文本、Markdown、单文件 HTML 和图像格式，也支持将 PDF、Markdown、Office 文档（doc/docx/odt/rtf/wps/pptx/xlsx 等）和 HTML/MHTML 转换为 OFD 或 PDF。

使用本工具处理文档前，请阅读项目根目录的 免责声明。转换结果不保证适用于特定业务、法律或合规场景。

编译

go build .

用法

ofd-converter [选项] <输入文件> [输出文件或目录]

ofd-converter [选项] --input-dir <输入目录> --output-dir <输出目录>

查看命令帮助：

ofd-converter --help

选项

输出格式可通过 -format 指定，也可根据输出文件扩展名自动推断（.zip 需要显式指定 -format）。输入默认为 OFD，PDF 等其它输入按文件扩展名识别为对应导入器，也可用 -from 显式指定。多个文档体按出现顺序合并，页码从所有文档体的第一张页面开始连续计算。 批量转换时必须通过 -format 指定统一的输出格式；默认使用 4 个并发任务，单个文件失败后会继续转换其他文件，全部任务完成后返回失败汇总。

选项作用范围

部分选项只在特定转换方向生效，容易误用。下表列出常见选项的适用范围：

需要注意：

• -paper 和 -landscape 不会改变 OFD → PDF、Markdown → OFD、Office → OFD/PDF 的页面尺寸。OFD → PDF 保留原页面尺寸；Markdown → OFD 使用固定 A4 版式；Office → OFD/PDF 使用源文档自身的页面设置。
• 因此，例如把 -landscape 用在 ofd-converter input.ofd output.pdf 上不会有任何效果。

退出码

示例

PDF 转 OFD

ofd-converter input.pdf output.ofd
ofd-converter -from pdf -format ofd input.pdf output.ofd

Markdown 转 OFD

Markdown 输入会被重新排版为 A4 固定版式，支持标题、段落、列表、引用、代码块、GFM 表格和本地图片；代码块使用系统等宽字体（优先 Noto Sans Mono CJK SC / DejaVu Sans Mono 等）。出于安全和确定性考虑，不会抓取远程图片（http/https 地址会被跳过并记录警告）。相对图片路径以 Markdown 文件所在目录为基准。-paper 和 -landscape 对 Markdown 输入不生效。

ofd-converter input.md output.ofd
ofd-converter -from md -format ofd input.md output.ofd

Office 文档转 OFD / PDF

通过 LibreOffice 命令行转换 Office 文档：转 OFD 时先转 PDF 再复用 PDF→OFD（保留文字层），转 PDF 时直接输出。需要目标机器已安装 LibreOffice；未安装会返回明确错误。支持 doc/docx/odt/rtf/wps、ppt/pptx/odp、xls/xlsx/ods 等常见格式。页面尺寸沿用源文档设置，-paper 和 -landscape 在此方向不生效。

ofd-converter report.docx report.pdf
ofd-converter --from docx --format ofd report.docx report.ofd
ofd-converter report.doc report.ofd
ofd-converter --soffice /opt/libreoffice/program/soffice --office-timeout 300 report.pptx report.ofd

批量转换 Office 文档或 HTML/MHTML 时通过 -external-workers（默认 2）限制同时运行的 LibreOffice/Chrome 进程数，普通输入仍使用 -workers。

HTML/MHTML 转 OFD / PDF

通过 Chrome/Chromium 打印引擎渲染 HTML/MHTML：转 OFD 时先转 PDF 再复用 PDF→OFD，转 PDF 时直接输出。需要目标机器已安装 Chrome/Chromium；未安装会返回明确错误。支持 html/htm/xhtml 与 mhtml/mht。默认禁止加载外部资源（仅本地与 data:），纸张默认 A4。

ofd-converter page.html page.pdf
ofd-converter --format ofd page.html page.ofd
ofd-converter --paper A3 --landscape page.html page.pdf
ofd-converter mail.mht mail.pdf
ofd-converter --chrome-no-sandbox --allow-remote page.html page.pdf

OFD 转 PDF

ofd-converter input.ofd output.pdf

OFD 转纯文本

只提取页面中的文字内容，不保留字体、颜色和页面布局。文字对象按 Y 坐标聚成行、行内按 X 坐标排序，并根据水平位置用空格补位对齐列（CJK 等全角字符按两列宽度计算）；不同页面之间使用空行分隔。

ofd-converter input.ofd output.txt
ofd-converter -format txt input.ofd output.txt

OFD 转 Markdown

Markdown 转换只提取文字内容，不保留字体、颜色和页面布局：

• 首行一级标题使用 OFD 文档体的 DocInfo.Title；没有标题时使用 OFD 文档。
• 段落之间会补空行：按段首缩进、段落标记（第 X 条、第 X 编、(一)、一、 等）以及纵向段间距识别段落起点，避免 GFM 把多行软换行合并成同一段。
• 不同页面之间使用水平分隔线 --- 分隔；若首个页面没有文字，不会在正文前输出多余分隔线。
• 以 第 X 章 开头的行（支持阿拉伯数字和中文数字）输出为二级标题 ##。
• 其余标题根据字号比例以及编号（如 1.、1.2.、1.2.3.）识别为 ### 及更深层级，最深不超过六级。
• 只有位于页面顶部或底部的纯页码行（如 12、- 12 -、— 12 —）会被过滤；页面中部的纯数字行（如代码行号、数据）会保留。
• 正文中的 Markdown 特殊字符（\、`、*、_、[、]、<、>、|、~ 及行首标记）会被转义。

使用 -md-tables 时，还会根据文字的水平位置和空白间隔识别无边框表格（OFD 没有表格语义，表格只是文字对象的位置组合），输出 GFM 表格：第一行作为表头，跨多行的单元格会按纵向位置合并到同一行。该识别依赖版面位置，双栏正文、公式排版等可能被误判，因此默认关闭。

ofd-converter input.ofd output.md
ofd-converter -format markdown input.ofd output.md
ofd-converter -format markdown -md-tables input.ofd output.md

转换为指定格式的图片

ofd-converter -format png input.ofd output.png
ofd-converter -format jpg -bg white input.ofd output.jpg
ofd-converter -format svg input.ofd output.svg

OFD 转单文件 HTML

HTML 默认将每页渲染为内嵌 PNG；使用 -html-format jpg 或 -html-format svg 时则分别使用内嵌 JPG 或 SVG 写入 HTML。三种模式都不依赖外部资源，并保留页面尺寸和浏览器打印分页。HTML 的 <title> 优先使用 OFD 第一个文档体的非空 DocInfo.Title，没有标题时使用 OFD 文档。

ofd-converter -format html input.ofd output.html
ofd-converter -format html -html-format jpg input.ofd output.html
ofd-converter -format html -html-format svg input.ofd output.html

转换指定页面

ofd-converter -format png -page 3 input.ofd page3.png

多页输出为 zip 包或目录

ofd-converter -format png -o pages.zip input.ofd
ofd-converter -format png -o pages/ input.ofd
ofd-converter -format png -dir -o pages input.ofd

批量转换

批量模式递归查找输入目录下扩展名为 .ofd 的普通文件，以及所有已注册导入器的输入文件（PDF、Markdown、Office 文档等），扩展名大小写不敏感。文本、Markdown、HTML、PDF、OFD 每个输入生成一个文件，并保留输入目录的相对路径；图片格式每个输入使用独立目录保存页面图片：

# 默认使用 4 个并发任务，递归转换为 PDF
ofd-converter --input-dir ./ofd --output-dir ./pdf --format pdf

# 使用 8 个并发任务转换为 Markdown
ofd-converter --input-dir ./ofd --output-dir ./markdown --format md --workers 8

# 多页 OFD 转换为 PNG，每个 OFD 一个页面目录
ofd-converter --input-dir ./ofd --output-dir ./images --format png

# 只扫描输入目录的第一层
ofd-converter --input-dir ./ofd --output-dir ./pdf --format pdf --recursive=false

# 批量把 Office 文档转换为 OFD，限制 LibreOffice 并发为 2
ofd-converter --input-dir ./docs --output-dir ./ofd --format ofd --external-workers 2

例如，input/nested/demo.ofd 会生成 output/nested/demo.pdf；转换为 PNG 时会生成 output/nested/demo/page-0001.png 等页面文件。批量转换不会覆盖输入目录中的同名文件；如果有文件转换失败， 命令会在所有任务完成后返回退出码 1，并列出失败文件及错误原因。默认直接覆盖已有输出；使用 -overwrite=false 时，已有输出会记为失败且不会覆盖；使用 -skip-existing 时，已有输出会跳过且不计为失败。

输出到标准输出

ofd-converter input.ofd - > output.pdf
ofd-converter -format txt input.ofd - > output.txt
ofd-converter -format md input.ofd - > output.md
ofd-converter -format png -page 1 input.ofd - > page1.png

多页图片输出时文件名格式为 page-0001.png 等。