格式正确的 PDF 到 HTML答案

【问题标题】：PDF to HTML with proper formatting格式正确的 PDF 到 HTML
【发布时间】：2013-02-18 15:22:15
【问题描述】：

我正在将 PDF 文件转换为文本 (HTML)，转换成功，但丢失了所有 ots 转换。有什么方法可以保持原来在 Pdf 文件中的正确格式？我从here获得了关于 pdf 到文本的帮助

【问题讨论】：

您的pdf2text.php 仅用于尝试使用 PHP 从 PDF 读取“干净”文本， 即没有任何格式信息的文本（甚至忽略内容流中的字体编码）。因此，如果您想真正提取具有其格式的 PDF 内容，您应该首先研究the PDF specification ISO 32000-1:2008，然后准备将几个月的工作投入到该项目中......

【解决方案1】：

基本上，PDF 是使用固定格式的文档，而 html 通常使用流体格式。您不会得到与 PDF 完全一样的 HTML 文档。

此外，某些 PDF 功能甚至不支持 html。

【讨论】：

那么有什么方法可以为我从代码中获得的生成输出创建样式？
理论上是的，如果您花时间了解样式在 PDF 中的存储方式以及它们如何转换为 css。我确实相信 adobe 以 PDF 文件格式发布文档。
您能分享任何有用的链接吗？
该标准现在似乎是 ISO 的一部分，这意味着您必须以大约 250 美元的价格购买该文档。 Adobe PDF Reference。 ISO 32000-1。但是，您可能可以摆脱较旧的标准文档，在 adobe 页面上有一个存档链接。
@datasage 实际上 Adobe 在线发布了 ISO 标准的副本，请参阅我对最初问题的评论，该问题直接来自版权 ISO 32000-1 标准文档 [... [...] 根据与 ISO 的协议，正在为不需要包含 ISO 徽标和版权声明的正式版本的用户提供。此版本与 ISO 标准的技术资料相同；页码和章节号也被保留。（版权声明在第 2 页）