pdf2htmlEX: 高保真PDF至HTML转换器 - xgbzsc

 

摘要: 先上Demo:http://coolwanglu.github.com/pdf2htmlEX/demo/demo.html还有大家可能会关心的CJKhttp://coolwanglu.github.com/pdf2htmlEX/demo/chn.html项目主页:https://github.com/coolwanglu/pdf2htmlEXUbuntu PPAht ...

 

 

先上Demo: http://coolwanglu.github.com/pdf2htmlEX/demo/demo.html 还有大家可能会关心的CJK http://coolwanglu.github.com/pdf2htmlEX/demo/chn.html 项目主页: https://github.com/coolwanglu/pdf2htmlEX Ubuntu PPA https://launchpad.net/~coolwanglu/+archive/pdf2htmlex Arch Linux 感谢Arthur Titeica 提供 AUG Package https://aur.archlinux.org/packages.php?ID=62426 传统pdf2html有两种： 一种相当于pdf2text加一些比较弱的格式，基本跟pdf2text也差不了多少 另一种是把所有渲染成图片然后嵌到一个html,结果是文字信息都丢失（不能选择，拷贝），生成的文件还巨大。 pdf2htmlEX结合二者优点，既保留了文字，又保留了格式。 具体来说有如下特性 1.从pdf提取字体 2.保证渲染准确性，针对web进行优化（包括减少文件大小，文字行合并，（为HTML文字选择）字体重编码等等） 3.其他内容用图片显示 4.单文件输出，一个HTML搞定一切 下载编译安装： 依赖： 较新的poppler (0.20.3)，自己编译时记得加参数–enable-xpdf-headers fontforge，需要git版本https://github.com/fontforge/fontforge，因为有一些功能/bug是我开发pdf2htmlEX时提交的 boost c++库，具体依赖的组件见项目主页 cmake和支持c++11的gcc 欢迎各种意见，建议，fork，bug report