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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00