pdf2htmlex-精准将pdf转换成html

pdf2htmlex概述

主要特性

  • 生成原生的HTML,其中字体和元素位置与pdf一样精准。
  • 灵活输出:支持所有内容生成在单个HTML文件中;也支持分页生成多个html文件,资源如字体、图像、CSS生成单独的文件,实现按需加载(需要JavaScript)。
  • 文件大小适中,有时甚至比 PDF 还小。
  • 支持链接、大纲(书签)、打印、SVG 背景、Type 3字体等

问题

  • 不支持在windows中运行,支持linux,如ubuntu、alpine
  • 环境比较复杂,难以独立安装
  • docker运行必须精确指定标签

docker安装

  • 安装镜像

    docker pull pdf2htmlex/pdf2htmlex:0.18.8.rc2-master-20200820-alpine-3.12.0-x86_64

  • 设置别名

    alias pdf2htmlEX='docker run -ti --rm -v "pwd":/pdf -w /pdf pdf2htmlex/pdf2htmlex:0.18.8.rc2-master-20200820-alpine-3.12.0-x86_64'

  • 测试安装

    pdf2htmlEX --help

常用命令

  • 显示运行参数

    pdf2htmlEX -h

    pdf2htmlEX --help

  • 转化pdf

    pdf2htmlEX --zoom 1 test.pdf

  • 高级用法

    pdf2htmlEX -f 3 -l 5 --fit-width 1024 --bg-format jpg pdf/test.pdf

    仅转换第 3、第 4 和第 5 页,并将页面宽度调整为 1024 像素,背景图像将以 JPEG 格式生成

  • 对于发布者

    pdf2htmlEX --embed cfijo --dest-dir out pdf/test.pdf

    将在 out 目录中生成一个test.html和相关的资源文件,资源如字体、图像、CSS 和 JavaScript等都保存在单独的文件中,以便利用浏览器缓存。

  • 分页生成

    pdf2htmlEX --embed cfijo --split-pages 1 --dest-dir out --page-filename test-%d.page pdf/test.pdf

每个pdf页面都保存在各自单独的文件中,这些文件被命名为 test-0.page、test-1.page 等,在主页面test.html中通过ajax动态加载页面,以实现延迟加载页面。

  • fallback模式
    pdf2htmlEX --fallback 1 pdf/test.pdf
    生成单个test.html,由图像和隐藏文本组成。此模式以更大的文件大小为代价,提供了最大的准确性和兼容性。仅当pdf2htmlEX无法正确处理您的文件时,才使用此模式

原始地址:https://b.i68.ltd/archives/pdf2htmlex-pdfhtml

i68爱六八,链接你我他:https://i68.ltd

相关推荐
Sherlock Ma26 分钟前
PDFMathTranslate:基于LLM的PDF文档翻译及双语对照的工具【使用教程】
人工智能·pytorch·语言模型·pdf·大模型·机器翻译·deepseek
kadog1 小时前
PubMed PDF下载 cloudpmc-viewer-pow逆向
前端·javascript·人工智能·爬虫·pdf
小墨宝7 小时前
js 生成pdf 并上传文件
前端·javascript·pdf
热水养鲨鱼12 小时前
Java实现HTML转PDF(deepSeekAi->html->pdf)
人工智能·pdf·html
开开心心_Every1 天前
体积小巧的 Word 转 PDF 批量工具
pdf
一眼青苔1 天前
切割PDF使用python,库PyPDF2
服务器·python·pdf
zyk_5201 天前
前端渲染pdf文件解决方案-pdf.js
前端·javascript·pdf
IDRSolutions_CN1 天前
如何将 PDF 中的文本提取为 JSON 格式
java·经验分享·pdf·软件工程·团队开发
南博萬1 天前
java将pdf转换成word
java·pdf·word
zhishishe2 天前
2025 年免费 Word 转 PDF 转换器有哪些?
android·windows·pdf·电脑·word