我开源了一个支持中文和大文件的 TXT 转 PDF 工具

关注

原创 2026-04-14 14:22:15 407 阅读 AI 写同款· GEO 优化 ›

免费PDF编辑与OCR识别指南：开源工具实现转换、批注和批量处理 PDF作为一种跨平台文档格式，凭借固定版式和高保真度成为办公协作的通用标准，但内部以绘图指令而非文字流组织内容，导致直接编辑困难。理解文本型PDF与扫描型PDF的差异，是选择处理路径的关键：前者可用编辑工具直接修改，后者需借助OCR技术识别图片中的文字。开源生态提供了完整解决方案，LibreOffice Draw可执行轻量编辑，PDFsam负责页面拆分合并，PaddleOCR与Tesseract支持高精度文字识别，而Python脚本则能实现批量转换、合并、拆分及图片提取，将重复劳动转化为自动化流水线。这套工阅读详情

最近把一个自己在用的 TXT -> PDF 在线工具整理开源了。

项目地址：

在线体验：https://txt2pdf.vercel.app/
GitHub：https://github.com/xqnode/txt2pdf
(欢迎star🥰)

这个项目本来只是想解决一个很朴素的问题：

把中文 TXT 文件稳定地转成 PDF。

但真正做起来之后，问题很快就从“文本转 PDF”本身，变成了：

中文渲染怎么保证不乱码
大文件怎么处理
Serverless 平台上怎么避免请求体超限
多片 PDF 最后怎么合并才不会炸

最后整理成了这个项目：

支持中文 TXT 转 PDF
支持大文件分片转换
支持浏览器端合并 PDF
支持部署到 Vercel
支持在线上传、预览、导出

为什么会做这个

很多在线 txt 转 pdf 工具在下面这些场景里很容易出问题：

中文内容导出后乱码
稍大一点的 TXT 文件直接失败
代码、日志、小说这类纯文本内容导出排版一般
放到 Vercel 这种 Serverless 平台后，大文件流程很容易撞限制

这个项目就是围绕这些问题一点点补出来的。

最初方案其实很直观

一开始的思路很简单：

前端上传 TXT
后端把文本转成 PDF
如果文件太大，就切片上传
后端再把多个 PDF 片段合并成一个完整 PDF

看起来很合理，但真正部署到 Vercel 之后，很快就遇到了问题。

真正的坑：不是转换，而是“合并”

单片转换其实问题不大。

文本按 3MB 左右切片后，逐片调用 /api/convert，每片独立生成 PDF，这一段在 Vercel 上是能跑通的。

真正麻烦的是最后一步：

多个 PDF 片段怎么合并。

最开始我走的是服务端合并：

每片 TXT 转完后得到 PDF
前端把这些 PDF 再传给 /api/merge
后端用 pypdf 合并

这个方案本地没问题，但在线上很快碰到典型错误：

FUNCTION_PAYLOAD_TOO_LARGE
Request Entity Too Large

也就是说：

问题不是 Python 逻辑写错，而是合并请求本身超过了平台限制。

为什么会超限

原因其实也不复杂。

大文件会被切成多个文本片段，每个片段再转换成 PDF。
如果最后把这些 PDF 一次性回传给服务端合并，不管你是：

JSON + base64
multipart/form-data
分批合并后再继续上传

只要合并后的中间 PDF 越来越大，最终还是会继续撞请求体上限。

这类问题在 Serverless 场景里特别典型：

单步逻辑看起来没问题
但链路一长，请求体、超时、内存这些限制就会一起冒出来

最后怎么解决

最后这条链路我改成了：

后端负责“生成每一片 PDF”，浏览器负责“合并所有 PDF”。

也就是：

text

TXT 大文件 → 前端切片 → 每片请求 /api/convert → 得到多个 PDF Blob → 浏览器端使用 pdf-lib 合并 → 直接下载最终 PDF

这一步改完之后，整个思路就顺了很多：

Vercel 只负责单片 PDF 生成
不再承受超大的 merge 请求体
最容易炸的部分直接转移到浏览器端
大文件场景也更稳定

这其实是一个很典型的经验：

当平台对请求体和函数执行有明显限制时，尽量让服务端做“单步、短链路、可分片”的事，把可前移的聚合逻辑前移到客户端。

当前实现方案

项目现在的核心思路是：

1. 中文 PDF 渲染

使用 reportlab + STSong-Light CID 字体，解决中文显示问题。

2. 大文件分片转换

前端读取 TXT 后按字节分片，避免单次请求过大。

3. 浏览器端合并 PDF

前端拿到所有片段 PDF 后，通过 pdf-lib 在浏览器中直接合并，不再依赖服务端 merge。

4. Vercel 部署

保留“静态前端 + Python Function”的简单部署结构，尽量让项目易部署、易演示、易复用。

适合什么场景

这个项目目前比较适合：

中文小说 TXT 转 PDF
代码文件、日志文件归档成 PDF
做一个可在线使用的 txt2pdf 小工具
参考“Serverless + 浏览器端合并”的处理方式

目前仓库已经补了这些内容

为了把它做成一个更完整的开源项目，我也顺手把仓库门面整理了一下：

中英文 README
在线演示地址
首页截图
Demo GIF
Use Cases
Roadmap
v1.0.0 tag / release

仓库地址：
https://github.com/xqnode/txt2pdf

后续计划

后面还打算继续补这些能力：

自定义边距、字号、行距
页眉页脚、页码、封面
更多文本格式支持
更适合超大文件的后端方案（对象存储 / 队列 / 任务化处理）

最后

如果你也在做这类文本处理、PDF 导出，或者刚好在 Vercel / Serverless 场景里碰到类似的请求体限制问题，欢迎来看看这个项目。

在线体验：
https://txt2pdf.vercel.app/

GitHub：
https://github.com/xqnode/txt2pdf

标签

#开源 #pdf #工具

MarkItDown：微软开源文档转换利器，一键搞定PDF/Word转Markdown 在RAG与知识库等大模型应用中，将PDF、Word、PPT等办公文档高效解析为结构化文本，是决定数据质量的关键一环。然而，这些格式内部存储的并非流式文本，而是包含坐标、字体等绘制指令，直接读取往往得到乱码或丢失层级结构。MarkItDown 是微软开源的多格式文档转换工具，能够将PDF、Office三件套、HTML、图片乃至音频统一转为语义清晰的Markdown，保留标题、表格、链接等关键信息，为大模型提供干净的输入。该工具既支持一行命令快速转换，也提供简洁的Python API便于批量集成，可无缝嵌入La 阅读详情