pdf2htmlEX实现pdf转html

来源:     2016-08-02 14:24:23    人气:     我有话说( 0 人参与)

清泛网(www.tsingfun.com):首先要感谢pdf2htmlEX的作者Lu Wang,该软件是一个pdf转html的开源软件,效果非常理想。下面两张图片是html和pdf视图下的截图:windows下...

首先要感谢pdf2htmlEX的作者Lu Wang,该软件是一个pdf转html的开源软件,效果非常理想。下面两张图片是html和pdf视图下的截图:

 

windows下载地址:pdf2htmlEX-v1.0-win32-static

本人开发的一个功能:文档在线阅读,要求能够支持移动终端浏览器在线阅读。考虑过将文档先转pdf,然后在将pdf转swf,利用flexpaper在前端浏览器访问。但是由于safari浏览器不支持flash,所以这种方式不太适合。也测试过火狐的pdf.js,但是这个框架在safari中出现中文乱码,同样不行。最后,经过测试,只有使用pdf2htmlEX转的html在各个浏览器上展示效果均不错,所以选择该软件。

第一步:下载pdf2html。

第二步:修改pdf2html自带的js文件pdf2htmlEX.min.js。原因:移动终端浏览器对CSS定位absolute的支持有问题(不会出现滚动条),所以需要为所有页面的容器设置高度,这样,手机浏览器就可以出现滚动条了。修改和添加的js代码如下:

//文件最后加上:
window.onload=function(){
	var eles = document.getElementsByClassName('pf w0 h0');
	var height = 0;
	for(var i=0,len=eles.length;i<len;i++){
		height +=eles[i].scrollHeight+20;
	}
	if(height>0)
	document.getElementById('page-container').style.height=height+'px';
}
/*注释下面这段代码,因为手机浏览器无法触发滚动事件
    <span style="white-space:pre">	</span>this.container.addEventListener('scroll', function() {
      <span style="white-space:pre">		</span>self.update_page_idx();
      <span style="white-space:pre">		</span>self.schedule_render(true);
   <span style="white-space:pre">	</span>}, false);
*/
/*新增,使用document对象上滚动加载页面数据,这样可以兼容手机浏览器*/
<span style="white-space:pre">	</span>document.addEventListener('scroll', function() {
        <span style="white-space:pre">	</span>self.update_page_idx();
        <span style="white-space:pre">	</span>self.schedule_render(true);
      <span style="white-space:pre">	</span>}, false);
第三步:编写java处理类
public class Pdf2htmlEXUtil {

	/**
	 * 调用pdf2htmlEX将pdf文件转换为html文件
	 * @param command 调用exe的字符串
	 * @param pdfName 需要转换的pdf文件名称
	 * @param htmlName 生成的html文件名称
	 * @return
	 */
	public static boolean pdf2html(String command,String pdfName,String htmlName){
		Runtime rt = Runtime.getRuntime();
		try {
			Process p = rt.exec(command);
			StreamGobbler errorGobbler = new StreamGobbler(p.getErrorStream(), "ERROR");              
		      // kick off stderr  
		    errorGobbler.start();  
		    StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");  
		      // kick off stdout  
		    outGobbler.start(); 
			int w = p.waitFor();
			System.out.println(w);
			int v = p.exitValue();
			System.out.println(v);
			return true;
		} catch (Exception e) {
			e.printStackTrace();
		}
		return false;
	}
	
	public static void main(String[] args) {
		pdf2html("D:\\pdf2htmlEX-v1.0\\pdf2htmlEX.exe D:\\v.pdf hello.html","v.pdf","v2.html");
	}
}

处理Runtime.exec()一直阻塞的类:如果没有这个类,p.waitFor()将会一直等待,这是从这里找到的解决方法

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.io.PrintWriter;

/**
 * 用于处理Runtime.getRuntime().exec产生的错误流及输出流
 * @author shaojing
 *
 */
public class StreamGobbler extends Thread {
	InputStream is;
	String type;
	OutputStream os;
	    
	StreamGobbler(InputStream is, String type) {
		this(is, type, null);
	}

    StreamGobbler(InputStream is, String type, OutputStream redirect) {
        this.is = is;
        this.type = type;
        this.os = redirect;
    }
    
    public void run() {
        InputStreamReader isr = null;
        BufferedReader br = null;
        PrintWriter pw = null;
        try {
            if (os != null)
                pw = new PrintWriter(os);
            isr = new InputStreamReader(is);
            br = new BufferedReader(isr);
            String line=null;
            while ( (line = br.readLine()) != null) {
                if (pw != null)
                    pw.println(line);
                System.out.println(type + ">" + line);    
            }
            if (pw != null)
                pw.flush();
        } catch (IOException ioe) {
            ioe.printStackTrace();  
        } finally{
        	try {
        		if(pw!=null)
        			pw.close();
        		if(br!=null)
        			br.close();
        		if(isr!=null)
        			isr.close();
			} catch (IOException e) {
				e.printStackTrace();
			}
        }
    }
} 

一个完整的高保真pdf转html例子就完成了。使用pdf2html,本人摸索了2天,终于在今天搞定,特此记录一下。

 

pdf2html命令用法:

用法: pdf2htmlEX [options] <input.pdf> [<output.html>]
  -f,--first-page <int>         需要转换的起始页 (默认: 1)
  -l,--last-page <int>          需要转换的最后一页 (默认: 2147483647)
  --zoom <fp>                   缩放比例
  --fit-width <fp>              适合宽度 <fp> 像素
  --fit-height <fp>             适合高度 <fp> 像素
  --use-cropbox <int>           使用剪切框 (default: 1)
  --hdpi <fp>                   图像水平分辨率 (default: 144)
  --vdpi <fp>                   图像垂直分辨率 (default: 144)
  --embed <string>              指定哪些元素应该被嵌入到输出
  --embed-css <int>             将CSS文件嵌入到输出中 (default: 1)
  --embed-font <int>            将字体文件嵌入到输出中 (default: 1)
  --embed-image <int>           将图片文件嵌入到输出中 (default: 1)
  --embed-javascript <int>      将javascript文件嵌入到输出中 (default: 1)
  --embed-outline <int>         将链接嵌入到输出中 (default: 1)
  --split-pages <int>           将页面分割为单独的文件 (default: 0)
  --dest-dir <string>           指定目标目录 (default: ".")
  --css-filename <string>       生成的css文件的文件名 (default: "")
  --page-filename <string>      分割的网页名称  (default:"")
  --outline-filename <string>   生成的链接文件名称 (default:"")
  --process-nontext <int>       渲染图行,文字除外 (default: 1)
  --process-outline <int>       在html中显示链接 (default: 1)
  --printing <int>              支持打印 (default: 1)
  --fallback <int>              在备用模式下输出 (default: 0)
  --embed-external-font <int>   嵌入局部匹配的外部字体 (default: 1)
  --font-format <string>        嵌入的字体文件后缀 (ttf,otf,woff,svg) (default: "woff")
  --decompose-ligature <int>    分解连字-> fi (default:0)
  --auto-hint <int>             使用fontforge的autohint上的字体时不提示 (default: 0)
  --external-hint-tool <string> 字体外部提示工具 (overrides --auto-hint) (default: "")
  --stretch-narrow-glyph <int>  伸展狭窄的字形,而不是填充 (default: 0)
  --squeeze-wide-glyph <int>    收缩较宽的字形,而不是截断 (default: 1)
  --override-fstype <int>       clear the fstype bits in TTF/OTF fonts (default:0)
  --process-type3 <int>         convert Type 3 fonts for web (experimental) (default: 0)
  --heps <fp>                   合并文本的水平临界值,单位:像素(default: 1)
  --veps <fp>                   vertical threshold for merging text, in pixels (default: 1)
  --space-threshold <fp>        断字临界值 (临界值 * em) (default:0.125)
  --font-size-multiplier <fp>   一个大于1的值增加渲染精度 (default: 4)
  --space-as-offset <int>       把空格字符作为偏移量 (default: 0)
  --tounicode <int>             如何处理ToUnicode的CMap (0=auto, 1=force,-1=ignore) (default: 0)
  --optimize-text <int>         尽量减少用于文本的HTML元素的数目 (default: 0)
  --bg-format <string>          指定背景图像格式 (default: "png")
  -o,--owner-password <string>  所有者密码 (为了加密文件)
  -u,--user-password <string>   用户密码 (为了加密文件)
  --no-drm <int>                覆盖文档的 DRM 设置 (default: 0)
  --clean-tmp <int>             转换后删除临时文件 (default: 1)
  --data-dir <string>           指定的数据目录 (default: ".\share\pdf2htmlEX")
  --debug <int>                 打印调试信息 (default: 0)
  -v,--version                  打印版权和版本信息
  -h,--help                     打印使用帮助信息

本人使用的版本时v0.11的和v1的版本有一些区别,主要是作者重新编写了pdftohtmlEX.js所以需要对照上面的js做相应修改

window.onload=function(){
	var eles = document.getElementsByClassName('pd w0 h0');
	var height = 0;
	for(var i=0,len=eles.length;i<len;i++){
		height +=eles[i].scrollHeight+20;
	}
	if(height>0){
		document.getElementById('page-container').style.height=height+'px';
		document.getElementById('page-container').style.overflow='hidden';
	}
}
 //this.$container.scroll(function(){ _.schedule_render(); });
	  $(document).scroll(function(){_.schedule_render();});

修改之后的Pdf2htmlEXUtil

package cn.com.oims.util;

import cn.com.oims.config.BaseConfig;

/**@author liuzhengyong
 * @version 1.0 时间:2013-12-30  下午2:24:10
 * pdf文件转html工具类
 */
public class Pdf2htmlEXUtil {
<span style="white-space:pre">	</span>private static final int OS = 2;
	/**
	 * 调用pdf2htmlEX将pdf文件转换为html文件
	 * @param exeFilePath pdf2htmlEX.exe文件路径
	 * @param pdfFile pdf文件绝对路径
	 * @param [destDir] 生成的html文件存放路径
	 * @param htmlName 生成的html文件名称
	 * @return
	 */
	public static boolean pdf2html(String exeFilePath,String pdfFile,String destDir,String htmlFileName){
		if(OS==2){//linux
			return pdf2html_linux(htmlFileName, htmlFileName, htmlFileName);
		}
		if(!(exeFilePath!=null&&!"".equals(exeFilePath)
				&&pdfFile!=null&&!"".equals(pdfFile)
				&&htmlFileName!=null&&!"".equals(htmlFileName))){
			System.out.println("传递的参数有误!");
			return false;
		}
		Runtime rt = Runtime.getRuntime();
		StringBuilder command = new StringBuilder();
		command.append(exeFilePath).append(" ");
		if(destDir!=null&&!"".equals(destDir.trim()))//生成文件存放位置,需要替换文件路径中的空格
			command.append("--dest-dir ").append(destDir.replace(" ", "\" \"")).append(" ");
		command.append("--optimize-text 1 ");//尽量减少用于文本的HTML元素的数目 (default: 0)
		command.append("--zoom 1.4 ");
		command.append("--process-outline 0 ");//html中显示链接:0——false,1——true
		command.append("--font-format woff ");//嵌入html中的字体后缀(default ttf) ttf,otf,woff,svg
		command.append(pdfFile.replace(" ", "\" \"")).append(" ");//需要替换文件路径中的空格
		if(htmlFileName!=null&&!"".equals(htmlFileName.trim())){
			command.append(htmlFileName);
			if(htmlFileName.indexOf(".html")==-1)
				command.append(".html");
		}
		try {
			System.out.println("Command:"+command.toString());
			Process p = rt.exec(command.toString());
			StreamGobbler errorGobbler = new StreamGobbler(p.getErrorStream(), "ERROR");              
		    //开启屏幕标准错误流
		    errorGobbler.start();  
		    StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");  
		    //开启屏幕标准输出流
		    outGobbler.start(); 
			int w = p.waitFor();
			int v = p.exitValue();
			if(w==0&&v==0){
				return true;
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
		return false;
	}
	
	public static boolean pdf2html_linux(String pdfFile,String destDir,String htmlFileName){
		if(!(pdfFile!=null&&!"".equals(pdfFile)
				&&htmlFileName!=null&&!"".equals(htmlFileName))){
			System.out.println("传递的参数有误!");
			return false;
		}
		Runtime rt = Runtime.getRuntime();
		StringBuilder command = new StringBuilder();
		command.append("pdf2htmlEX").append(" ");
		if(destDir!=null&&!"".equals(destDir.trim()))//生成文件存放位置,需要替换文件路径中的空格
			command.append("--dest-dir ").append(destDir.replace(" ", "\" \"")).append(" ");
		command.append("--optimize-text 1 ");//尽量减少用于文本的HTML元素的数目 (default: 0)
		command.append("--process-outline 0 ");//html中显示链接:0——false,1——true
		command.append("--font-format woff ");//嵌入html中的字体后缀(default ttf) ttf,otf,woff,svg
		command.append(pdfFile.replace(" ", "\" \"")).append(" ");//需要替换文件路径中的空格
		if(htmlFileName!=null&&!"".equals(htmlFileName.trim())){
			command.append(htmlFileName);
			if(htmlFileName.indexOf(".html")==-1)
				command.append(".html");
		}
		try {
			System.out.println("Command:"+command.toString());
			Process p = rt.exec(command.toString());
			StreamGobbler errorGobbler = new StreamGobbler(p.getErrorStream(), "ERROR");              
		    //开启屏幕标准错误流
		    errorGobbler.start();  
		    StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");  
		    //开启屏幕标准输出流
		    outGobbler.start(); 
			int w = p.waitFor();
			int v = p.exitValue();
			if(w==0&&v==0){
				return true;
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
		return false;
	}
}

在dos环境下的调用命名:

D:\\pdf2htmlEX-v1.0\\pdf2htmlEX.exe d:\\test" "2 D:\\test" "1\\v1.pdf [v3.html]
D:\\pdf2htmlEX-v1.0\\pdf2htmlEX.exe表示exe文件路径。后面的空格不能少
d:\\test" "2表示转换之后的html存放位置,这里的" "为空格,dos环境下,所有空格必须使用""包裹,否则不能识别。后面的空格不能少
D:\\test" "1\\v1.pdf表示pdf文件的位置。后面的空格不能少
v3.html表示将pdf转为html文件的文件名。可选

pdf2htmlEX pdf转html

本文源自互联网,采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可,
版权归原作者,如有问题请联系service@tsingfun.com (编辑:admin)