使用XPDF将PDF转换为HTML

1、下载xpdf最新版本，地址：http://www.foolabs.com/xpdf/download.html

我下载的是xpdf-3.02pl4-win32.zip

2、下载中文支持包

我下载的是 xpdf-chinese-simplified.tar.gz

3、下载pdftohtml支持包

地址：http://sourceforge.net/projects/pdftohtml/

我下载的是：pdftohtml-0.38-win32.zip

4、解压调试

1) 先将xpdf-3.02pl4-win32.zip解压，解压后的内容可根据需要进行删减，如果只需要转换为txt格式，其他的exe文件可以删除，只保留pdftotext.exe，以此类推；

2) 然后将xpdf-chinese-simplified.tar.gz解压到刚才xpdf-3.02pl2-win32.zip的解压目录；

3) 将pdftohtml-0.38-win32.zip解压，pdftohtml.exe解压到xpdf-3.02pl4-win32.zip的解压目录；

4) 目录结构：

 +---[X:/xpdf]

           |-------各种转换用到的exe文件

           |

           |-------xpdfrc

           |

           +------[X:/xpdf/xpdf-chinese-simplified]

                                      |

                                      |

                                      +-------很多转换时需要用到的字符文件

 

xpdfrc：此文件是用来声明转换字符集对应路径的文件

注意：解压目录中不要有空格，且不要将文件直接解压到根目录下

5) 修改xpdfrc文件(文件原名为sample-xpdfrc)

修改文件内容为：

 #----- begin Chinese Simplified support package cidToUnicode Adobe-GB1 xpdf-chinese-simplified/Adobe-GB1.cidToUnicode unicodeMap ISO-2022-CN xpdf-chinese-simplified/ISO-2022-CN.unicodeMap unicodeMap EUC-CN xpdf-chinese-simplified/EUC-CN.unicodeMap unicodeMap GBK xpdf-chinese-simplified/GBK.unicodeMap cMapDir Adobe-GB1 xpdf-chinese-simplified/CMap toUnicodeDir xpdf-chinese-simplified/CMap fontDir C:/WINDOWS/Fonts displayCIDFontTT Adobe-GB1 C:/WINDOWS/Fonts/simhei.ttf #----- end Chinese Simplified support package

6) 创建bat文件pdftohtml.bat（放置的路径为X:/xpdf /pdftohtml.bat）

内容为：

@echo off set folderPath=%1 set filePath=%2 cd /d %folderPath% pdftohtml -enc GBK %filePath% exit

7) 创建类

public class ConvertPdf { private static String INPUT_PATH; private static String PROJECT_PATH; public static void convertToHtml(String file, String project) { INPUT_PATH = file; PROJECT_PATH = project; if(checkContentType()==0) { toHtml(); } } private static int checkContentType() { String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length()) .toLowerCase(); if (type.equals("pdf")) return 0; else return 9; } private static void toHtml() { if(new File(INPUT_PATH).isFile()) { try { String cmd = "cmd /c start X://pdftohtml.bat /"" + PROJECT_PATH + "/" /"" + INPUT_PATH + "/""; Runtime.getRuntime().exec(cmd); } catch (IOException e) { e.printStackTrace(); } } } }

String cmd = "....";此处代码是调用创建的bat文件进行转换 

8) 测试转换

public static void main(String[] args) { ConvertPdf.convertToHtml("C://test.pdf", "X://xpdf"); }

 

运行结果不大理想，运行第一次时，html页面是打不开的，之后才创建了相应的页面，到第二次运行时就正常了，原因不明。。。