Как я могу конвертировать PDF в HTML?

Question

Какие есть хорошие библиотеки на любом языке для преобразования PDF в HTML?

Answer 1

PDFBox в apache имеет возможность извлечения html. http://pdfbox.apache.org/

Answer 2

Если вы работаете над Windows-боксом, я думаю, Амюни также имеет библиотеку для этого. Их PDF Document Convertor доступен в виде DLL, может широко использоваться среди языков, поддерживаемых Visual Studio, и может конвертировать в RTF, TML, EXCEL, JPEG и TIFF.

Answer 3

В linux установите pdftohtml - для пакетного преобразования всех файлов в папке используйте:

ls *.pdf | xargs -I{} pdftohtml {}

Это создаст HTML-сайт со всеми ссылками и изображениями из оригинальных документов. Каждая страница в отдельном HTML-файле. Очень полезно конвертировать проектную документацию для поиска файлов по фразе, используя общий поиск файлов системы.

Answer 4

Программа pdftohtml преобразует pdf в html и xml и сохраняет информацию о положении текста, которая полезна для очистки таблиц.

Кажется, он основан на библиотеке xpdf и также имеет двоичный файл windows.

Answer 5

http://www.lowagie.com/iText/ Библиотека с открытым исходным кодом для Java и C #

Answer 6

Учитывая неопределенность исходного вопроса, я собираюсь продолжить и дать решение, которое будет работать с любым языком, который может выполнять приложения командной строки. Хотя установка может быть немного сложной, OpenOffice может быть запущен на сервере в автономном режиме и с помощью jodconverter может конвертировать любой формат файла в любой другой формат файла (ну, любые преобразования формата, которые может обрабатывать openoffice).

Вот несколько ссылок, которые помогут с настройкой:

• http://iwonderdesigns.posterous.com/how-to-run-jodconverteropenoffice-on-your-hos
• http://www.artofsolving.com/node/10

Answer 7

, если вы ищете способ конвертировать PDF в HTML один или два раза, тогда я рекомендую Adobe Online Conversion

Если вам нужен API, тогда http://www.pdfonline.com/ имеет SDK, который соответствует вашим потребностям.

Если вам нужна библиотека, пожалуйста, сообщите нам, какой серверный язык вы предпочитаете.

Answer 8

В Perl вы можете использовать плагин SWISH :: Filter SWISH :: Filters :: Pdf2HTML . (Требуется пакет xpdf .)

Обратное (HTML в PDF), см. этот вопрос .