将 PDF 转换为 HTML 文件 Java API答案

【问题标题】：Convert PDF to HTML file Java API将 PDF 转换为 HTML 文件 Java API
【发布时间】：2014-05-19 07:52:47
【问题描述】：

我想使用 java 应用程序将 pdf 文件转换为 html 文件。 PDF 文件包含一些图像、文本等。有人知道好的 java API 吗？（请不要建议 Aspose）。我试过 Apache PDFBox 但不满意

【问题讨论】：

我不能推荐一个库，但有一些一般性的建议：PDF 到 HTML 并非易事。它们是两种截然不同的格式，任何转换都很大程度上取决于 PDF 的质量和结构。仅以正确的顺序提取文本可能会很棘手。更不用说格式和布局了。手动对话通常是最好的实用解决方案。可能是更大的图景将有助于提供更详细的帮助：多少 PDF？你自己做的吗？或一般性：你为什么需要这样做？

标签： java html pdf

【解决方案1】：

看看

JPedal，它可以很好地处理嵌入字体，但不是免费的。

IcePDF，它是免费的，但它只能提取文本/图像或将 PDF 渲染为图像。

public class QHyperArticleHtmlBuilder extends QHtmlBuilder {
    QStyle anchorStyle = createStyle("anchorStyle", a);
    QStyle sectionStyle = createStyle("sectionStyle", div);
    QStyle subsectionStyle = createStyle("subsectionStyle", div);
    ...    
    public String buildSubSectionHeading(String anchorName, String text) {
        return buildAnchorHeading(subsectionStyle, anchorName, text);
    }

    protected String buildAnchorHeading(QStyle divStyle, 
            String anchorName, String text) {
        QMutableElement element = create(p);
        element.add(br);
        element.add(create(a, anchorStyle, name.create(anchorName)))
        .add(create(div, divStyle, text));
        return element.buildHtml();
    }

    public String buildLink(String url, String label) {
        QMutableElement element = create(a, anchorStyle, href.create(url));
        element.add(create(span, underlineStyle))
        .add(create(span, linkStyle, label));
        return element.buildHtml();
    }
}


pre.javaStyle {
  font-family: courier new, courier, mono;
  background-color: #fbfbfb;
  font-size: 11pt;
  width: 800px;
  border: dashed 1px;
  border-color: lightgray;
  padding-left: 4px;
}

资源here

【讨论】：

感谢您的回复。我想要一个开源 api（不是付费的）。我不认为 aspose api ，因为它不是免费的。

【解决方案2】：

CSSBox Pdf2Dom 是一个 Java 库，它允许（除其他外）将 PDF 转换为 HTML。该发行版甚至包含基于此库的PDFToHTML 命令行工具，因此您可以检查结果是否符合您的需求。但是，如上所述，将 PDF 转换为 HTML 总是很棘手。结果取决于特定 PDF 文件的复杂性和结构，因此不同的工具可能适用于不同的 PDF 文件。

【讨论】：

仅供 Pdf2Dom 上的未来搜索者参考：它运行良好，但对输出 HTML 使用了绝对定位技术。这意味着：它非常擅长再现内容的外观，但是如果您想以编程方式对输出进行某些操作，那就不理想了。

【解决方案3】：

您可以尝试使用 Print2Flash：www.print2flash.com 它不仅可以将 pdf 文件转换为其他类型的文档，还可以将 Java 转换为 HTML：Office 文档、AutoCAD 图纸等。它解决了我们公司的所有文档发布需求网站。

【讨论】：

【解决方案4】：

也许你可以使用这个 API：https://market.mashape.com/netservice/convert-pdf-to-html 适用于 java、node、php 等...

【讨论】：

不要将链接发布为答案，而是添加一些文本来解释此答案如何帮助 OP 解决当前问题。谢谢
链接到不起作用或没有文档的 api。

【解决方案5】：

试试我们名为 jPDFWeb 的 Java 库，它保留了原始 PDF 的字体和图像分辨率。您可以上传自己的 PDF 并尝试现场演示。

https://www.qoppa.com/pdfhtml/

【讨论】：