从PDF转换为HTML

Question

26

有没有一个可以将PDF文件作为输入并生成HTML文件的.dll库？我想要进行从PDF到HTML的转换。我的同事说，一步一步地从PDF中获取文本/字体/图像/边距/链接等内容，然后创建具有相同内容的新HTML文件非常困难，几乎不可能。因此，我在考虑是否有一些dll库可以供我参考来完成这个任务？

- petko_stankoski

肯定很复杂，但你为什么想要它呢？ - Thanh Nguyen

有几个供应商提供的HTML转PDF转换工具，但我没有看到任何PDF转HTML的工具。由于我不知道完整版本是否可以导出HTML，您应该首先检查这一点并查看结果。然后，您可以考虑实现一些批处理作业，使用Acrobat来完成它。只是一个想法... - YvesR

1

搜索“将pdf转换为html”将收集许多可能的解决方案。SO不是产品建议的好地方，因此投票关闭为“不具有建设性”。 - Richard

请参考以下帖子，了解使用iTextSharp进行文本提取的基础知识：https://dev59.com/Q2w15IYBdhLWcg3wA3GT - Chris Haas

14

这些极端狂热者会毁掉SO...我认为这个问题应该被标记为重复，因为已经有人问过几次了，但不够有建设性？真的吗？在SO上有成千上万个类似甚至更差的问题被认为是有效的。你们现在要关闭所有请求解决问题X的库吗？ - yms

显示剩余2条评论

3个回答

8

您可以下载这个免费工具：PDFToHTML。

然后在您的程序中，只需分叉一个新进程并运行可执行文件，将PDF文件传递给它。我刚刚测试了一下，似乎可以正常工作。

- Tudor

6

如果您不介意付费，Aspose提供了一个非常好的解决方案，这也是我们公司使用的。

- Calum

我们也是。此外，最近出现了产品Spire，提供类似于Aspose的工具。 - Uwe Keim

2

Aspose并不像广告中所说的那样易于使用，生成的HTML质量也很差。此外，如果您需要进行内存转换而非文件转换，则需要先将其转换为doc，然后再将其转换为html。 - LemonCool

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Icarus · Accepted Answer

编写一个程序来完成这个任务绝对不是件容易的事情。如果你找不到任何免费的.NET库可以实现（至少我没有找到），那么我建议下载这个并通过程序调用它来获取HTML。

如果你有时间，或者PDFToHtml无法满足你的要求，你可以使用iText自己编写程序。它是一个非常成熟的免费PDF库。我过去曾经用它来操作PDF文件（合并、创建等）。

更新

正如Quandary在评论中指出的那样，PDFSharp库提供了相对宽松的许可证（MIT许可证），而iText则提供商业或AGPL许可证。在选择库时请注意这一点。我自己并没有使用过PDFSharp库，也不知道它们在功能上有什么区别。