如何使用Python将PDF转换为HTML页面？

尘大师在修炼

于 2024-03-05 12:14:47 发布

阅读量522

点赞数 8

文章标签： pdf python html

本文链接：https://blog.csdn.net/doubl222/article/details/136474775

版权

方法一：使用spire.pdf

%%time

from spire.pdf.common import *
from spire.pdf import *
import os

# setup path
current_dir = os.getcwd()
output_path = os.path.join(current_dir, 'output')
if not os.path.exists(output_path):
    os.makedirs(output_path)
pdf_path = os.path.join(current_dir, 'img', 'qrcode_test.pdf')

# create a PdfDcocument object
doc = PdfDocument()

# load pdf file
doc.LoadFromFile(pdf_path)

# convert pdf to html
doc.SaveToFile(os.path.join(output_path, 'PDF2HTML.html'), FileFormat.HTML)

doc.Close()

安装

pip install Spire.PDF

缺点：这个方法会每一页html都会有warning信息Evaluation Warning : The document was created with Spire.PDF for Python.且转换页数不超过10.

方法二：使用spire.pdf

import fitz
from tqdm import tqdm
import os

def pdf2html(input_path, html_path):
    doc = fitz.open(input_path)
    print(doc)
    html_content = "<!DOCTYPE html><html lang=\"en\"><head><meta charset=\"UTF-8\"><title>Title</title></head><body style=\"display: flex;justify-content: center;flex-direction: column;background: #0e0e0e;align-items: center;\">"
    for page in tqdm(doc):
        html_content += page.get_text('html')
    print("start print html file")

    html_content += "</body></html>"
    with open(html_path, 'w', encoding='utf8', newline="") as fp:
        fp.write(html_content)

current_dir = os.getcwd()
output_path = os.path.join(current_dir, 'output')
if not os.path.exists(output_path):
    os.makedirs(output_path)
pdf_path = os.path.join(current_dir, 'img', 'qrcode_test.pdf')
html_path = os.path.join(output_path, 'output.html')
pdf2html(pdf_path, html_path)

安装

pip install PyMuPDF
pip install tqdm

参考文章：

【Python | PDF】如何使用Python将PDF转换为HTML页面？_python pdf转html-CSDN博客

尘大师在修炼

关注

8
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
如何使用Python将PDF转换为HTML页面？

缺点：这个方法会每一页html都会有warning信息Evaluation Warning : The document was created with Spire.PDF for Python.且转换页数不超过10.方法一：使用spire.pdf。方法二：使用spire.pdf。
复制链接

扫一扫