【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
-
基础转换：
bash
复制
pdf2htmlEX input.pdf output.html -
分页保存且不嵌入字体/图片：
bash
复制
pdf2htmlEX --split-pages 1 --embed fI input.pdf -
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