wkhtmltopdf-binary 项目技术文档
1. 安装指南
1.1 在 Gemfile 中安装
在项目的 Gemfile 中添加以下内容:
gem 'wkhtmltopdf-binary'
然后运行 bundle install 命令来安装 gem。
1.2 权限设置
在某些环境中,运行 wkhtmltopdf-binary 可能会出现权限错误。这是因为该 gem 包含了多个平台的压缩二进制文件,并在首次使用时解压缩到指定目录。如果 Ruby gem 的二进制文件安装在以下目录:
/usr/lib/ruby/versions/2.6/bin/
那么 wkhtmltopdf-binary 的二进制文件将被安装在:
/usr/lib/ruby/versions/2.6/lib/ruby/gems/2.6.0/gems/wkhtmltopdf-binary-0.12.5.1/bin/
为了解决权限问题,需要为运行程序的用户(例如 Web 服务器或后台任务处理器)授予写权限。例如,在开发环境中,可以为个人用户授予写权限:
chmod -R 777 /usr/lib/ruby/versions/2.6/lib/ruby/gems/2.6.0/gems/wkhtmltopdf-binary-0.12.5.1/bin/
解压缩后,如果需要,可以撤销写权限。
2. 项目的使用说明
2.1 基本使用
在大多数环境中,安装 wkhtmltopdf-binary 后,您可以直接使用 wkhtmltopdf 命令生成 PDF 文件。该 gem 会自动检测系统环境并选择合适的二进制文件。
2.2 自定义二进制文件
如果您需要使用特定版本的 wkhtmltopdf 二进制文件,可以通过以下步骤手动提取和压缩二进制文件:
2.2.1 提取二进制文件
根据您的操作系统,使用以下命令提取二进制文件:
-
Debian/Ubuntu:
dpkg -x wkhtmltox_0.12.5-1.trusty_amd64.deb . -
CentOS:
rpm2cpio wkhtmltox-0.12.5-1.centos7.x86_64.rpm | cpio -idmv -
Archlinux/Manjaro:
tar -xf wkhtmltox-0.12.6-1.archlinux.x86_64.tar.xz -
macOS:
xar -xf wkhtmltox-0.12.5-1.macos-cocoa.pkg cat Payload | gunzip -dc | cpio -i
2.2.2 压缩二进制文件
提取二进制文件后,使用 gzip --best 命令进行压缩:
-
Debian/Ubuntu:
gzip --best -c usr/local/bin/wkhtmltopdf > wkhtmltopdf_ubuntu_22.04.amd64.gz
3. 项目API使用文档
wkhtmltopdf-binary 主要通过命令行工具 wkhtmltopdf 来生成 PDF 文件。以下是一些常用的命令行参数:
-
生成 PDF 文件:
wkhtmltopdf input.html output.pdf -
设置页面大小:
wkhtmltopdf --page-size A4 input.html output.pdf -
设置页边距:
wkhtmltopdf --margin-top 10 --margin-bottom 10 --margin-left 10 --margin-right 10 input.html output.pdf -
使用 JavaScript 延迟:
wkhtmltopdf --javascript-delay 200 input.html output.pdf
4. 项目安装方式
4.1 通过 Gemfile 安装
如前所述,在 Gemfile 中添加 gem 'wkhtmltopdf-binary',然后运行 bundle install 进行安装。
4.2 手动安装
如果您需要手动安装 wkhtmltopdf-binary,可以按照以下步骤操作:
-
克隆项目仓库:
git clone https://github.com/zakird/wkhtmltopdf_binary_gem -
进入项目目录:
cd wkhtmltopdf_binary_gem/ -
安装依赖:
bundle install -
运行测试:
bundle exec rake
通过以上步骤,您可以手动安装并测试 wkhtmltopdf-binary 项目。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00