pdf2htmlex linux 编译,pdf2htmlEX: 高保真PDF至HTML转换器

先上Demo:

还有大家可能会关心的CJK

项目主页:

Arch Linux

感谢Arthur Titeica 提供 AUG Package

https://aur.archlinux.org/packages.php?ID=62426

传统pdf2html有两种：

一种相当于pdf2text加一些比较弱的格式，基本跟pdf2text也差不了多少

另一种是把所有渲染成图片然后嵌到一个html,结果是文字信息都丢失(不能选择，拷贝)，生成的文件还巨大。

pdf2htmlEX结合二者优点，既保留了文字，又保留了格式。

具体来说有如下特性

1.从pdf提取字体

2.保证渲染准确性，针对web进行优化(包括减少文件大小，文字行合并，(为HTML文字选择)字体重编码等等)

3.其他内容用图片显示

4.单文件输出，一个HTML搞定一切

下载编译安装：

依赖：

较新的poppler (0.20.3)，自己编译时记得加参数–enable-xpdf-headers

fontforge，需要git版本https://github.com/fontforge/fontforge，因为有一些功能/bug是我开发pdf2htmlEX时提交的

boost c++库，具体依赖的组件见项目主页

cmake和支持c++11的gcc

欢迎各种意见，建议，fork，bug report