pdf2htmlex-精准将pdf转换成html

pdf2htmlex概述

• 将 PDF 转换为HTML而不会丢失文本或格式
• 项目仓库：https://github.com/pdf2htmlEX/pdf2htmlEX

主要特性

• 生成原生的HTML，其中字体和元素位置与pdf一样精准。
• 灵活输出：支持所有内容生成在单个HTML文件中；也支持分页生成多个html文件，资源如字体、图像、CSS生成单独的文件，实现按需加载（需要JavaScript）。
• 文件大小适中，有时甚至比 PDF 还小。
• 支持链接、大纲（书签）、打印、SVG 背景、Type 3字体等

问题

• 不支持在windows中运行，支持linux，如ubuntu、alpine
• 环境比较复杂，难以独立安装
• docker运行必须精确指定标签

docker安装

• 安装镜像
  docker pull pdf2htmlex/pdf2htmlex:0.18.8.rc2-master-20200820-alpine-3.12.0-x86_64

• 设置别名
  alias pdf2htmlEX=‘docker run -ti --rm -v “pwd”:/pdf -w /pdf pdf2htmlex/pdf2htmlex:0.18.8.rc2-master-20200820-alpine-3.12.0-x86_64’

• 测试安装
  pdf2htmlEX --help

常用命令

• 显示运行参数
  pdf2htmlEX -h
  pdf2htmlEX --help

• 转化pdf
  pdf2htmlEX --zoom 1 test.pdf

• 高级用法
  pdf2htmlEX -f 3 -l 5 --fit-width 1024 --bg-format jpg pdf/test.pdf
  仅转换第 3、第 4 和第 5 页，并将页面宽度调整为 1024 像素，背景图像将以 JPEG 格式生成

• 对于发布者
  pdf2htmlEX --embed cfijo --dest-dir out pdf/test.pdf
  将在 out 目录中生成一个test.html和相关的资源文件，资源如字体、图像、CSS 和 JavaScript等都保存在单独的文件中，以便利用浏览器缓存。

• 分页生成
  pdf2htmlEX --embed cfijo --split-pages 1 --dest-dir out --page-filename test-%d.page pdf/test.pdf

每个pdf页面都保存在各自单独的文件中，这些文件被命名为 test-0.page、test-1.page 等，在主页面test.html中通过ajax动态加载页面，以实现延迟加载页面。

• fallback模式
  pdf2htmlEX --fallback 1 pdf/test.pdf
  生成单个test.html，由图像和隐藏文本组成。此模式以更大的文件大小为代价，提供了最大的准确性和兼容性。仅当pdf2htmlEX无法正确处理您的文件时，才使用此模式

原始地址：https://b.i68.ltd/archives/pdf2htmlex-pdfhtml

i68爱六八,链接你我他：https://i68.ltd