【Python | PDF】如何使用Python将PDF转换为HTML页面？

最新推荐文章于 2024-08-04 07:05:35 发布

区块链（Web3）开发工程师

最新推荐文章于 2024-08-04 07:05:35 发布

阅读量8k

点赞数 4

分类专栏：后端 Python 文章标签： python pdf html

本文链接：https://blog.csdn.net/qq_28505809/article/details/124147552

版权

后端同时被 2 个专栏收录

21 篇文章 0 订阅

订阅专栏

Python

2 篇文章 0 订阅

订阅专栏

前言

最近想做一个小的功能，将PDF文字提取，并转换为HTML页面，但苦苦找寻没有合适好用简单的方法。Google一下，马上知道，接下来就是学习的结果，分享给大家，以免踩坑

含泪分享，希望大家喜欢，直接上代码

本文仅用于知识分享！

第一个版本，简单实现了HTML输出

import fitz
from tqdm import tqdm

def pdf2html(input_path,html_path):
    doc = fitz.open(input_path)
    for page in tqdm(doc):
        html_content = page.getText('html')
    print("开始输出html文件")
    with open(html_path, 'w', encoding='utf8', newline="") as fp:
        fp.write(html_content)

input_path = r'G:\back\pyfile\翻译\pdf_translate-master\3.pdf' # 如果报错 就用绝对路径
html_path = r'G:\back\pyfile\翻译\pdf_translate-master\input.html'
pdf2html(input_path,html_path)

第二个版本，优化了HTML输出的样式（做了居中对齐）

import fitz
from tqdm import tqdm


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.getText('html')
    print("开始输出html文件")

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


input_path = r'/Users/guoyi/Desktop/report123.pdf'  # 如果报错 就用绝对路径
html_path = r'/Users/guoyi/Desktop/report123.html'
pdf2html(input_path, html_path)

安装

pip install PyMuPDF
或者pip3 install PyMuPDF

pip install tqdm
或者pip3 install tqdm

有任何疑问评论咨询我~

区块链（Web3）开发工程师

关注

4
点赞
踩
27

收藏

觉得还不错? 一键收藏
打赏
10
评论
【Python | PDF】如何使用Python将PDF转换为HTML页面？

前言最近想做一个小的功能，将PDF文字提取，并转换为HTML页面，但苦苦找寻没有合适好用简单的方法。Google一下，马上知道，接下来就是学习的结果，分享给大家，以免踩坑含泪分享，希望大家喜欢，直接上代码本文仅用于知识分享！第一个版本，简单实现了HTML输出import fitzfrom tqdm import tqdmdef pdf2html(input_path,html_path): doc = fitz.open(input_path) for pa..
复制链接

扫一扫