JAVA实现PDF转HTML文档

本文是将PDF文档转PNG图片,然后进行图片拼接，拼接后的图片转为base64字符串，然后拼接html文档（再写入html文件）。

引入maven依赖

<!-- https://mvnrepository.com/artifact/org.apache.pdfbox/pdfbox -->
        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>2.0.12</version>
        </dependency>

工具实现类

package cn.yueworld.pms.web.util;

import cn.yueworld.framework.tools.exception.LogicException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import sun.misc.BASE64Encoder;

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.*;
import java.net.URL;

/**
 * PDF文档转HTML文档
 *
 * @author zkg
 * @since 2024/6/11 16:45
 */
public class PdfConvertHtmlUtil {
    /**
     * 日志对象
     */
    private static Logger logger = LoggerFactory.getLogger(PdfConvertHtmlUtil.class);

    /**
     * pdf转图片
     *
     * @param pdfUrl pdf路径
     * @return BufferedImage 图片
     */
    public static BufferedImage pdfToImage(String pdfUrl) {

        PDDocument doc = null;
        try {
            // 本地文件
            // File file = new File("C:\\Users\\Dell\\Downloads\\测试.pdf");
            // inputStream = new FileInputStream(file);

            logger.info("解析pdf+pdfUrl：" + pdfUrl);
            URL url = new URL(pdfUrl);

            InputStream inputStream = url.openStream();
            doc = PDDocument.load(inputStream);
            PDFRenderer renderer = new PDFRenderer(doc);

            int pageCount = doc.getNumberOfPages();
            BufferedImage image = null;
            for (int i = 0; i < pageCount; i++) {
                if (image != null) {
                    image = combineBufferedImages(image, renderer.renderImageWithDPI(i, 144));
                }
                if (i == 0) {
                    image = renderer.renderImageWithDPI(i, 144); // Windows native DPI
                }
                // BufferedImage srcImage = resize(image, 240, 240);//产生缩略图
            }
            return combineBufferedImages(image);
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                if (doc != null) {
                    doc.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return null;
    }

    /**
     * BufferedImage拼接处理，添加分割线
     *
     * @param images 文件
     * @return BufferedImage 添加分割线
     */
    public static BufferedImage combineBufferedImages(BufferedImage... images) {
        int height = 0;
        int width = 0;
        for (BufferedImage image : images) {
            //height += Math.max(height, image.getHeight());
            height += image.getHeight();
            width = image.getWidth();
        }
        BufferedImage combo = new BufferedImage(width, height, BufferedImage.TYPE_INT_ARGB);
        Graphics2D g2 = combo.createGraphics();
        int x = 0;
        int y = 0;
        for (BufferedImage image : images) {
            //int y = (height - image.getHeight()) / 2;
            g2.setStroke(new BasicStroke(2.0f));// 线条粗细
            g2.setColor(new Color(193, 193, 193));// 线条颜色
            g2.drawLine(x, y, width, y);// 线条起点及终点位置

            g2.drawImage(image, x, y, null);
            //x += image.getWidth();
            y += image.getHeight();

        }
        return combo;
    }

    /**
     * 通过Base64创建HTML文件并输出html文件
     *
     * @param base64  文件的base64
     * @param htmlUrl html保存路径
     */
    public static void createHtmlByBase64(String base64, String htmlUrl) {
        StringBuilder stringHtml = new StringBuilder();
        PrintStream printStream = null;
        try {
            // 打开文件
            printStream = new PrintStream(new FileOutputStream(htmlUrl));
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        }
        // 输入HTML文件内容
        stringHtml.append("<html><head>");
        stringHtml.append("<meta http-equiv=\"Content-Type\" content=\"text/html; charset=UTF-8\">");
        stringHtml.append("<title></title>");
        stringHtml.append("</head>");
        stringHtml.append("<body style=\"\r\n" + "    text-align: center;\r\n" + "    background-color: #C1C1C1;\r\n" + "\">");
        stringHtml.append("<img src=\"data:image/png;base64," + base64 + "\" />");
        stringHtml.append("<a name=\"head\" style=\"position:absolute;top:0px;\"></a>");
        //添加锚点用于返回首页
        stringHtml.append("<a style=\"position:fixed;bottom:10px;right:10px\" href=\"#head\">回到首页</a>");
        stringHtml.append("</body></html>");
        try {
            // 将HTML文件内容写入文件中
            printStream.println(stringHtml.toString());
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (printStream != null) {
                printStream.close();
            }
        }
    }

    /**
     * 图片转为base64编码
     *
     * @param bufferedImage 图片
     * @return base64编码
     */
    public static String bufferedImageToBase64(BufferedImage bufferedImage) {
        ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
        String png_base64 = "";
        try {
            ImageIO.write(bufferedImage, "png", byteArrayOutputStream);// 写入流中
            byte[] bytes = byteArrayOutputStream.toByteArray();// 转换成字节
            BASE64Encoder encoder = new BASE64Encoder();
            // 转换成base64串 删除 \r\n
            png_base64 = encoder.encodeBuffer(bytes).trim()
                    .replaceAll("\n", "")
                    .replaceAll("\r", "");
        } catch (IOException e) {
            e.printStackTrace();
        }
        return png_base64;
    }

    /**
     * 将图片的base64编码替换到html文件里面
     *
     * @param htmlUrl 文件路径
     * @param base64  图片
     * @return html
     */
    public static Document htmlReplaceTag(String htmlUrl, String base64) {
        try {
            // 读取文件
            // File file = new File(htmlUrl);
            // Document document = Jsoup.parse(file, "UTF-8");

            logger.info("解析html+htmlUrl" + htmlUrl);
            // 使用Jsoup.connect方法获取Document对象
            Document document = Jsoup.connect(htmlUrl).get();
            logger.info("替换元素内容开始:" + document);

            // 通过ID获取要替换的元素
            Element oldTag = document.getElementById("pdfFileId");

            if (oldTag != null) {
                // 替换元素内容
                if (base64 != null) {
                    // 创建新标签
                    Element newTag = document.createElement("img");
                    // 设置图片的id
                    newTag.attr("id", "pdfFileId");
                    // 设置图片的属性
                    newTag.attr("src", "data:image/png;base64," + base64);
                    // 替换旧标签
                    oldTag.replaceWith(newTag);
                } else {
                    oldTag.remove();
                }
                logger.info("替换元素内容结束:" + document);
            }

            // 保存修改后的HTML文件
            document.outputSettings().charset("UTF-8");
            document.outputSettings().prettyPrint(true);

            // 写到本地
            // FileWriter fileWriter = new FileWriter(new File("C:\\Users\\Dell\\Downloads\\测试.html"));
            // fileWriter.write(document.outerHtml());
            // fileWriter.close();

            return document;
        } catch (Exception e) {
            e.printStackTrace();
            logger.error("将图片的base64编码替换到html文件里面失败:" + e.getMessage());
            throw new LogicException("将图片的base64编码替换到html文件里面失败");
        }
    }

    /**
     * html + pdf
     *
     * @param htmlUrl 文件路径
     * @param pdfUrl  图片
     * @return html
     */
    public static Document htmlAddPdf(String htmlUrl, String pdfUrl) {
        try {
            String base64_png = null;
            if (pdfUrl != null) {

                // pdf转图片
                BufferedImage bufferedImage = pdfToImage(pdfUrl);
                // 图片转为base64编码
                base64_png = bufferedImageToBase64(bufferedImage);
            }
            // 将图片的base64编码替换到html文件里面
            return htmlReplaceTag(htmlUrl, base64_png);
        } catch (Exception e) {
            e.printStackTrace();
            logger.error("pdf文件转换失败:" + e.getMessage());
            throw new LogicException("pdf文件转换失败:" + e.getMessage());
        }
    }
}

测试Demo

    public static void main(String[] args) {
        // PDF文件URL
        String pdfUrl = "https://geli-dev.yueworld.cn:8060/group1/M00/00/47/wKh5GWZfvn6AILBZAASNWOGlbkI479.pdf";

        // HTML文件路径
        String htmlUrl = "https://geli-dev.yueworld.cn:8060/cm_web/print/cm_Zlcontract001/#/cm_Zlcontract001?conId=2371";
        Document document = htmlAddPdf(htmlUrl, pdfUrl);

        System.out.println("结果：" + document);
    }

可以是在线的pfd、html，也可以是本地的pdf和html，两种方法工具类里面都有。

第三方库Jsoup

其中在线的html需要使用第三方库Jsoup，Jsoup是一个开源的Java库，它提供了简单和方便的API来处理HTML文档。

你可以使用以下代码添加Jsoup依赖项到你的项目中：

依赖

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.13.1</version>
</dependency>

下面是一个使用Jsoup获取网页HTML数据的示例代码：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class HtmlFetcher {
    public static void main(String[] args) {
        try {
        	// 使用Jsoup.connect方法获取Document对象
            Document doc= Jsoup.connect(htmlUrl).get();
            String htmlData = doc.html();
            System.out.println(htmlData);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}