【记录】Python3｜将 PDF 转换成 HTML/XML（✅⭐⭐⭐⭐pdf2htmlEX）

本文将会被汇总至【记录】Python3｜2024年 PDF 转 XML 或 HTML 的第三方库的使用方式、测评过程以及对比结果（汇总），更多其他工具请访问该文章查看。

文章目录

[pdf2htmlEX 使用体验与评估](#pdf2htmlEX 使用体验与评估)
- [1 安装指南](#1 安装指南)
- [2 测试代码](#2 测试代码)
- [3 测试结果](#3 测试结果)
- - [3.1 转 HTML 的结果](#3.1 转 HTML 的结果)
  - [3.2 转 XML 的结果](#3.2 转 XML 的结果)
- [4 总体评价：✅⭐⭐⭐⭐](#4 总体评价：✅⭐⭐⭐⭐)
- [5 补充说明](#5 补充说明)

pdf2htmlEX 使用体验与评估

Github 阅读：https://github.com/shandianchengzi/PDF2HTML_Samples/blob/main/results/pdf2htmlEX.md

CSDN 阅读：【记录】Python3｜将 PDF 转换成 HTML/XML（✅⭐⭐⭐⭐pdf2htmlEX）
参考：pdf2htmlEX：将 PDF 转换为 HTML 的高效工具

PDF2HTMLEX 是一款功能强大的 PDF 转 HTML 工具，尽管它并不通过 Python 的包管理工具 pip 进行安装，但其易用性和转换效果仍然备受赞誉。下面，我们将详细介绍如何安装 PDF2HTMLEX，并通过一个测试案例来展示其使用方法和效果。

1 安装指南

PDF2HTMLEX 提供了 Windows 版本的 EXE 文件供用户下载和使用。您可以通过点击以下链接下载最新版本的 PDF2HTMLEX：pdf2htmlEX Windows Version | RubyPdf Technologies。

下载完成后，您可以直接运行 EXE 文件进行使用。安装过程简单明了，按照提示完成即可，如下图所示。

2 测试代码

为了更好地帮助您理解 PDF2HTMLEX 的用法，我们提供了一个测试代码示例。您可以在以下 GitHub 仓库中找到相关代码和样本文件：https://github.com/shandianchengzi/PDF2HTML_Samples/tree/main/python_samples/test_pdf2htmlEX。

请注意，该测试代码示例使用了相对路径来指定文件路径。这是因为 PDF2HTMLEX 在处理文件路径时存在一个已知的 bug。当使用绝对路径时，它会在输出文件的路径前自动添加 ./，导致绝对路径不可用并报错。

例如如下报错：

bash 复制代码

`Error: Cannot open ./D:\Github\PDF2HTML_Samples\python_samples\test_pdf2htmlEX\outputs\to_html_table_test.html for writing`

以下是测试代码示例的目录结构：

3 测试结果

3.1 转 HTML 的结果

经过测试，PDF2HTMLEX 在将 PDF 转换为 HTML 的过程中表现出色。转换后的 HTML 页面保留了原始 PDF 的格式和布局，使得阅读体验得以延续。然而，需要注意的是，在某些情况下，转换后的大纲可能会出现问题，例如出现重复的章节标题（如下重复出现 10.12）。

以下是转换后的 HTML 页面示例：

3.2 转 XML 的结果

需要注意的是，PDF2HTMLEX 目前并不支持将 PDF 直接转换为 XML 格式。因此，在测试过程中，我们无法提供相关的转换结果。

4 总体评价：✅⭐⭐⭐⭐

总体来说，PDF2HTMLEX 是一款非常优秀的 PDF 转 HTML 工具。尽管在处理文件路径时存在一些小问题，但这并不影响其出色的转换效果。

它支持多种转换参数，并且能够在保留原始 PDF 格式的基础上，生成易于阅读和编辑的 HTML 页面。参数详情可以点此跳转。

5 补充说明

在转换过程中，PDF2HTMLEX 转换的时候能够保留格式，不过不会自动设置成 DOM 树节点。用户可以用不同的 className 来获得章节，挺方便的！

此外，PDF2HTMLEX 还具备一些特殊功能，例如根据数字区分的书签功能，使得用户在阅读时能够快速定位到所需的章节。如上11.2会被识别成一个小章。