【工具】PDF转HTML

【工具】PDF转HTML

可通过命令执行， 集成到项目中

pdf2htmlEX

windows系统可执行版下载地址：
http://soft.rubypdf.com/software/pdf2htmlex-windows-version

https://github.com/coolwanglu/pdf2htmlEX

 .\pdf2htmlEX.exe --zoom 1.8 a.pdf

 .\pdf2htmlEX.exe --embed cfij --embed-image 0 --zoom 1.8 a.pdf

参数说明

以下是 pdf2htmlEX 工具的参数说明解读，按功能分类整理：

---

​基础信息​

• ​功能​：将 PDF 文件转换为 HTML，保留文本格式和样式，非文本对象（如图片）会以图像形式嵌入。
• ​特点​：
  • 支持字体提取（Type 3 字体需实验性选项）。
  • 文本可选中、复制。
  • 可优化网页兼容性和文件体积。

---

​基础用法​

bash

复制

pdf2htmlEX [选项] <输入文件> [<输出文件>]

• ​示例​：

  bash

  复制

  pdf2htmlEX input.pdf output.html

---

​常用选项分类说明​

1. ​页面范围控制​

• -f, --first-page <num>
  指定起始页码（默认：1）。
• -l, --last-page <num>
  指定结束页码（默认：最后一页）。

---

2. ​输出尺寸调整​

• --zoom <ratio>
  直接指定缩放比例（如 --zoom 1.5）。
• --fit-width <width> / --fit-height <height>
  指定页面的最大宽度/高度（像素单位）。若同时指定多个，取最小值。
• ​默认行为​：页面按 72 DPI 渲染。

---

3. ​内容嵌入控制​

• --embed <字符串>
  通过字符组合控制嵌入内容类型（如 cCfFiIjJoO）：
  • c/C：CSS 文件（默认嵌入）。
  • f/F：字体（默认嵌入）。
  • i/I：图片（默认嵌入）。
  • j/J：JavaScript（默认嵌入）。
  • o/O：大纲（默认嵌入）。
  • ​小写字母表示不嵌入，​大写字母表示嵌入。
• ​分项开关​（优先级低于 --embed）：
  • --embed-font 0|1：是否嵌入字体（默认：1）。
  • --embed-image 0|1：是否嵌入图片（默认：1）。
  • --embed-outline 0|1：是否嵌入大纲（默认：1）。

---

4. ​分页与输出路径​

• --split-pages 0|1
  是否分页保存（默认：0）。开启后每页存为单独文件。
• --dest-dir <目录>
  指定输出目录（默认：当前目录）。
• --page-filename <模板>
  分页文件名模板，支持占位符 %d（页码），如：
  • bar%03d.baz → bar001.baz, bar002.baz...

---

5. ​字体处理​

• --font-format <格式>
  字体输出格式（默认：woff）。
• --decompose-ligature 0|1
  分解连字（如 "fi" → "f"+"i"，默认：0）。
• --process-type3 0|1
  实验性支持 Type 3 字体（默认：0，可能渲染异常）。

---

6. ​文本优化​

• --space-threshold <比例>
  插入空格的阈值（默认：0.125 × 字体大小）。
• --font-size-multiplier <倍数>
  字体大小倍数（默认：4.0），用于解决浏览器最小字体限制。
• --optimize-text 0|1
  减少 HTML 元素数量（默认：0，可能影响兼容性）。

---

7. ​图像与背景​

• --hdpi <dpi> / --vdpi <dpi>
  图像水平/垂直 DPI（默认：144）。
• --bg-format <格式>
  背景图像格式（默认：png，支持其他格式如 jpg）。

---

8. ​安全与权限​

• -o, --owner-password <密码>
  PDF 所有者密码。
• -u, --user-password <密码>
  PDF 用户密码。
• --no-drm 0|1
  强制绕过 DRM（默认：0，需合法权限）。

---

9. ​调试与临时文件​

• --clean-tmp 0|1
  是否清理临时文件（默认：1，清理）。
• --debug 0|1
  输出调试信息（默认：0）。

---

​高级功能​

• ​大纲处理​：--process-outline 0|1 控制是否生成目录大纲。
• ​回退模式​：--fallback 0|1 提升兼容性但增大文件体积。
• ​模板文件​：通过 --data-dir 指定自定义 HTML 模板目录。

---

​示例场景​

1. ​基础转换​：

   bash

   复制

   pdf2htmlEX input.pdf output.html

2. ​分页保存且不嵌入字体/图片​：

   bash

   复制

   pdf2htmlEX --split-pages 1 --embed fI input.pdf

3. ​加密 PDF 转换​：

   bash

   复制

   pdf2htmlEX -o owner_pass input.pdf

---

​注意事项​

• Type 3 字体支持是实验性的，可能导致文本渲染为图像。
• 调整 --font-size-multiplier 可能影响浏览器渲染性能。
• 使用 --no-drm 1 需确保合法权限。

另一款

https://github.com/pdf2htmlEX/pdf2htmlEX