将 PDF 转换为 HTML [关闭]答案

【问题标题】：Convert PDF to HTML [closed]将 PDF 转换为 HTML [关闭]
【发布时间】：2010-10-31 16:29:59
【问题描述】：

将要在浏览器中查看的 PDF 文档转换为 HTML 的最佳解决方案是什么？该站点有几个 PDF 文档，访问者可以单击以 HTML 格式查看，这应该在屏幕上以 HTML 文件的形式查看。

运行 PHP、Linux、Apache 的标准网站。

【问题讨论】：

【解决方案1】：

pdftohtml 工作正常：快速、稳定，但 html 结果充其量是丑陋的。我已经为一个有很多工作简历的网站使用了很长一段时间。

然而，这是提取文本内容的一个很好的解决方案。

我会试试scribd API

或谷歌应用程序文档 API。 GOogle 在显示和转换 pdf 文件方面做得很好

【讨论】：

对于科学论文，这看起来令人难以置信：github.com/coolwanglu/pdf2htmlEX
@JDonner 一个警告：生成的 HTML 代码不可读，通常不可编辑，并且占用数兆字节的空间 - 至少对于我测试它的 PDF 而言（2.8 MiB HTML 用于 674.5 KiB PDF）。如此大的尺寸使其特别不利于提供服务，并导致阅读体验不佳（滚动缓慢等）。
@JDonner 结果看起来不错，但 html 基本上没用 - 它将单词分开，将每个部分包含在各种标签中，提取每种尺寸的字体（相同字体）并将它们嵌入制作文件巨大的（正如鲁斯兰所说）。最好将 PDF 转换为 PNG 图像而不是使用 pdf2htmlEX

【解决方案2】：

您是否考虑过将 PDF 数据保存在数据库中，然后根据访问者的选择动态创建 PDF 或 html 页面？

【讨论】：

【解决方案3】：

如果您在托管服务提供商处拥有命令行访问权限，则 poppler_utils 软件包中有一个名为 pdftohtml 的实用程序。

看起来很容易使用，没有从 PHP 内部调用它，但它应该可以工作。

【讨论】：

【解决方案4】：

如果您准备从 PHP 调用 Java，可以查看 http://www.jpedal.org/html_index.php

【讨论】：