Какие библиотеки Python лучше всего подходят для создания инструмента преобразования PDF в HTML? [закрыто] ⇐ Html

[Anonymous]

Я планирую создать инструмент преобразования PDF в HTML с использованием Python, и в настоящее время я нахожусь на этапе проектирования и изучения проекта.
Основная цель этого инструмента –:

• преобразовать PDF-файлы в хорошо структурированный HTML
• сохранить текст контент
• Поддерживать основные элементы макета, такие как абзацы и заголовки
• Правильно обрабатывать изображения
• Дополнительно поддерживать несколько PDF-файлов за один запуск (пакетная обработка)

На данном этапе я не прошу полного кода, но я хочу понять концептуальный подход и рекомендуемые библиотеки Python для такого рода проектов.
В частности, мне хотелось бы узнать:

• Какие библиотеки Python обычно используются для анализа PDF-файлов и текста извлечение
• Библиотеки, которые помогают с сохранением макета (шрифты, расположение, интервалы)
• Инструменты или библиотеки для преобразования извлеченного контента в HTML
• Любые библиотеки, которые могут помочь с изображениями внутри PDF-файлы
• Предложения по эффективной обработке нескольких файлов (например, параллелизм или многопоточность)
• Рекомендации и ограничения, о которых мне следует знать при преобразовании PDF-файлов в HTML

Я хочу следовать чистому и удобному в обслуживании файлу подход, поэтому понимание правильных библиотек и их роли в общем рабочем процессе будет очень полезно.
Любые объяснения, рекомендации библиотек или практические идеи будут оценены по достоинству.

Спасибо!

Подробнее здесь: https://stackoverflow.com/questions/798 ... rsion-tool