将PDF转换为HTML文件的Java API

Question

我希望用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。 有人知道一个好的Java API吗？（请不要建议使用Aspose）。 我尝试过Apache PDFBox，但不满意。

- user3505725

---

我不能建议一个库，但是一些一般性的建议：PDF 转 HTML 不是一件简单的事情。它们是两种非常不同的格式，任何转换都将严重依赖于 PDF 的质量和结构。仅仅提取正确顺序的文本就可能很棘手，更不用说格式和布局了。通常，手动转换将是最好的实际解决方案。也许更全面的了解情况会有助于提供更详细的帮助：有多少个 PDF？你自己制作了吗？或者一般地说：你为什么需要这样做？ - RoToRa

Answer 1

CSSBox Pdf2Dom是一个Java库，可以将PDF转换为HTML（除其他功能外）。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始终很棘手。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。

- radkovo

---

供未来搜索PDF2Dom的用户参考：该工具功能良好，但使用绝对定位技术生成HTML输出。这意味着它非常擅长复制内容的外观，但如果您希望以编程方式处理输出内容，则并不理想。 - Raman

Answer 2

请查看

JPedal，它对嵌入式字体处理得非常好，但需要付费。

IcePDF，它是免费的，但据我所知只能提取文本/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 这里

- 4dgaurav

---

谢谢回复。我想要一个开源API（不是付费的）。我没有考虑Aspose API，因为它不是免费的。 - user3505725

Answer 3

试试我们的Java库称为jPDFWeb，它可以保留原始PDF中的字体和图像分辨率。您可以上传自己的PDF并尝试在线演示。

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

- Leila Holmann

Answer 4

您可以尝试使用Print2Flash：www.print2flash.com。它不仅可以将PDF转换为HTML，还可以将其他类型的文档（如Office文档、AutoCAD图纸等）转换为HTML。它解决了我们公司网站所有文档发布需求的问题。

- alex

Answer 5

也许您可以使用这个API：https://market.mashape.com/netservice/convert-pdf-to-html，适用于Java、Node、PHP等...

- Rob

---

不要仅仅在回答中贴上链接，加入一些文字解释，说明这个答案如何帮助OP解决当前的问题。谢谢。 - ρяσѕρєя K

提供一个API链接，但该链接无法使用或没有文档。 - vivekmore