如何将PDF转换为HTML？[关闭]

是的，这绝对是可能的。 如果您在 ubuntu linux 上

apt-get install pdftohtml

然后

pdftohtml myFile.pdf myFile.htm -c -noframes

如果您想查看所有标志的含义，只需键入

pdftohtml

如果您不在 linux 上，您可以使用大量工具来实现这一点。

就像我在上面的评论中提到的，绝对可以使用工具将pdf转换为html Able2Extract7 可以从这里下载

我已经使用这个工具将近 2 年了，我对它非常满意。此工具可让您将 PDF 转换为 Word、Excel、PowerPoint、Publisher、HTML、OO 等。看截图

注意：此工具不是免费软件。

HTH型

下载

• pdfbox-2.0.3.jar
• 字体框-2.0.3.jar
• 预检-2.0.3.jar
• xmpbox-2.0.3.jar
• pdfbox-tools-2.0.3.jar
• pdfbox-调试器-2.0.3.jar

与 http://pdfbox.apache.org/ 相比

 import java.io.InputStream;
 import java.io.IOException;
 import org.apache.pdfbox.pdmodel.PDDocument;
 import org.apache.pdfbox.tools.PDFText2HTML;

    // .....
    try {
        InputStream is = // ..... Read PDF file
        PDDocument pdd = PDDocument.load(is); //This is the in-memory representation of the PDF document.
        PDFText2HTML converter = new PDFText2HTML(); // the converter
        String html = converter.getText(pdd); // That's it!
        pdd.close();
        is.close();
    } catch (IOException ioe) {
        // ......
    }

请注意：图像不会被推送到 HTML 输出。

如果您使用的是 Linux，请尝试：pdftohtml

sudo apt-get install poppler-utils
pdftohtml -enc UTF-8 -noframes infile.pdf outfile.html

在 MacOS（使用自制软件）上可以安装：pdftohtml

brew install pdftohtml

开源电子书转换器 Calibre 还可以将 PDF 文件转换为 HTML，可在 MacOS、Windows 和 Linux 上使用。

将 PDF 转换为 HTML 并不难。有许多在线选项，但是，这些选项可能会将您的数据暴露给第三方。按照以下步骤操作，输出很棒。

1. 打开PDF2HTMLEX页面。 （您可以按照我提到的后续步骤进行操作，也可以按照页面上的说明进行操作。

2. 该软件包可从此处下载适用于 Windows 的软件包。

   从许多可用的选项中，我建议下载“pdf2htmlEX-win32-0.14.6-upx-with-poppler-data.zip（pdf2htmlEx.exe 包含 UPX）”

3. 下载和解压缩后，只需一个cmd命令即可进行转换。

   C:\Users\kjk\Downloads\pdf2htmlEX-win32-0.14.6-upx-with-poppler-data>pdf2htmlEX.exe c:\1\abc.pdf
   

   最终命令：

   pdf2htmlEX.exe c:\1\abc.pdf
   

   （您当然可以缩短文件夹的名称，但是，我将其保留为您在解压缩下载后看到的相同。我假设您可以将 cmd 中的目录更改为所需的文件夹，否则 Google 如何。

abc.pdf 将转换为 HTML，并将作为 abc.HTML 保存在与 exe 相同的文件夹中。

这是 Linux 和pdfgrepsed

sudo apt install pdfgrep

pdfgrep  .yourdoc.pdf | sed '/^$/d'| sed -e 's/^%%/<p>%%/'| sed -e 's/^--/<p>--/' | sed -e 's/--$/--<p>/'> yourdoc.html

要正确格式化，您需要使用 相应地指定正则表达式。sed