xpdf将pdf转换为html,使用XPDF将PDF转换为HTML的操作步骤

1、下载xpdf最新版本，我下载的是xpdf-3.02pl2-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，我下载的是：pdftohtml-0.39-win32.tar.gz

4、解压调试

1*** 先将xpdf-3.02pl2-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-0.39-win32.tar.gz解压，pdftohtml.exe解压到xpdf-3.02pl2-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:xpdfxpdf-chinese-simplified]

|

1.6 Word/Excel/PDF文件转换成HTML整理

|

+-------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

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-simplifiedAdobe-GB1.cidToUnicode

unicodeMap ISO-2022-CN xpdf-chinese-simplifiedISO-2022-CN.unicodeMap

unicodeMap EUC-CN xpdf-chinese-simplifiedEUC-CN.unicodeMap

unicodeMap GBK xpdf-chinese-simplifiedGBK.unicodeMap

cMapDir Adobe-GB1 xpdf-chinese-simplifiedCMap

toUnicodeDir xpdf-chinese-simplifiedCMap

fontDir C:WINDOWSFonts

displayCIDFontTT Adobe-GB1 C:WINDOWSFontssimhei.ttf

#----- end Chinese Simplified support package

6*** 创建bat文件pdftohtml.bat(放置的路径不能包含空格)

内容为：

@echo off

set folderPath=%1

set filePath=%2

cd /d %folderPath%

pdftohtml -enc GBK %filePath%

exit

1.6 Word/Excel/PDF文件转换成HTML整理

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 + "" 1.6 Word/Excel/PDF文件转换成HTML整理

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"***;

}