pdf2htmlEX實現pdf轉html
阿新 • • 發佈：2019-01-25
首先要感謝pdf2htmlEX的作者Lu Wang，該軟體是一個pdf轉html的開源軟體，效果非常理想。下面兩張圖片是html和pdf檢視下的截圖：
本人開發的一個功能：文件線上閱讀，要求能夠支援移動終端瀏覽器線上閱讀。考慮過將文件先轉pdf，然後在將pdf轉swf，利用flexpaper在前端瀏覽器訪問。但是由於safari瀏覽器不支援flash，所以這種方式不太適合。也測試過火狐的pdf.js，但是這個框架在safari中出現中文亂碼，同樣不行。最後，經過測試，只有使用pdf2htmlEX轉的html在各個瀏覽器上展示效果均不錯，所以選擇該軟體。
第一步：下載pdf2html。
第二步：修改pdf2html自帶的js檔案pdf2htmlEX.min.js。原因：移動終端瀏覽器對CSS定位absolute的支援有問題（不會出現滾動條），所以需要為所有頁面的容器設定高度，這樣，手機瀏覽器就可以出現滾動條了。修改和新增的js程式碼如下：
檔案最後加上： 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'; }
/*註釋下面這段程式碼，因為手機瀏覽器無法觸發滾動事件 this.container.addEventListener('scroll', function() { self.update_page_idx(); self.schedule_render(true); }, false); */ /*新增，使用document物件上滾動載入頁面資料，這樣可以相容手機瀏覽器*/ document.addEventListener('scroll', function() { self.update_page_idx(); self.schedule_render(true); }, false);
第三步：編寫java處理類
public class Pdf2htmlEXUtil {
/**
* 呼叫pdf2htmlEX將pdf檔案轉換為html檔案
* @param command 呼叫exe的字串
* @param pdfName 需要轉換的pdf檔名稱
* @param htmlName 生成的html檔名稱
* @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");
}
}
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.io.PrintWriter;
/**
* 用於處理Runtime.getRuntime().exec產生的錯誤流及輸出流
* @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();
}
}
}
}
pdf2html命令用法：
用法: pdf2htmlEX [options] <input.pdf> [<output.html>]
-f,--first-page <int> 需要轉換的起始頁 (預設: 1)
-l,--last-page <int> 需要轉換的最後一頁 (預設: 2147483647)
--zoom <fp> 縮放比例
--fit-width <fp> 適合寬度 <fp> 畫素
--fit-height <fp> 適合高度 <fp> 畫素
--use-cropbox <int> 使用剪下框 (default: 1)
--hdpi <fp> 影象水平解析度 (default: 144)
--vdpi <fp> 影象垂直解析度 (default: 144)
--embed <string> 指定哪些元素應該被嵌入到輸出
--embed-css <int> 將CSS檔案嵌入到輸出中 (default: 1)
--embed-font <int> 將字型檔案嵌入到輸出中 (default: 1)
--embed-image <int> 將圖片檔案嵌入到輸出中 (default: 1)
--embed-javascript <int> 將javascript檔案嵌入到輸出中 (default: 1)
--embed-outline <int> 將連結嵌入到輸出中 (default: 1)
--split-pages <int> 將頁面分割為單獨的檔案 (default: 0)
--dest-dir <string> 指定目標目錄 (default: ".")
--css-filename <string> 生成的css檔案的檔名 (default: "")
--page-filename <string> 分割的網頁名稱 (default:"")
--outline-filename <string> 生成的連結檔名稱 (default:"")
--process-nontext <int> 渲染圖行，文字除外 (default: 1)
--process-outline <int> 在html中顯示連結 (default: 1)
--printing <int> 支援列印 (default: 1)
--fallback <int> 在備用模式下輸出 (default: 0)
--embed-external-font <int> 嵌入區域性匹配的外部字型 (default: 1)
--font-format <string> 嵌入的字型檔案字尾 (ttf,otf,woff,svg) (default: "woff")
--decompose-ligature <int> 分解連字-> fi (default:0)
--auto-hint <int> 使用fontforge的autohint上的字型時不提示 (default: 0)
--external-hint-tool <string> 字型外部提示工具 (overrides --auto-hint) (default: "")
--stretch-narrow-glyph <int> 伸展狹窄的字形，而不是填充 (default: 0)
--squeeze-wide-glyph <int> 收縮較寬的字形，而不是截斷 (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> 合併文字的水平臨界值，單位：畫素(default: 1)
--veps <fp> vertical threshold for merging text, in pixels (default: 1)
--space-threshold <fp> 斷字臨界值 (臨界值 * em) (default:0.125)
--font-size-multiplier <fp> 一個大於1的值增加渲染精度 (default: 4)
--space-as-offset <int> 把空格字元作為偏移量 (default: 0)
--tounicode <int> 如何處理ToUnicode的CMap (0=auto, 1=force,-1=ignore) (default: 0)
--optimize-text <int> 儘量減少用於文字的HTML元素的數目 (default: 0)
--bg-format <string> 指定背景影象格式 (default: "png")
-o,--owner-password <string> 所有者密碼 (為了加密檔案)
-u,--user-password <string> 使用者密碼 (為了加密檔案)
--no-drm <int> 覆蓋文件的 DRM 設定 (default: 0)
--clean-tmp <int> 轉換後刪除臨時檔案 (default: 1)
--data-dir <string> 指定的資料目錄 (default: ".\share\pdf2htmlEX")
--debug <int> 列印除錯資訊 (default: 0)
-v,--version 列印版權和版本資訊
-h,--help 列印使用幫助資訊
本人使用的版本時v0.11的和v1的版本有一些區別，主要是作者重新編寫了pdftohtmlEX.js所以需要對照上面的js做相應修改
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();});package cn.com.oims.util;
import cn.com.oims.config.BaseConfig;
/**@author liuzhengyong
* @version 1.0 時間：2013-12-30 下午2:24:10
* pdf檔案轉html工具類
*/
public class Pdf2htmlEXUtil {
private static final int OS = 2;
/**
* 呼叫pdf2htmlEX將pdf檔案轉換為html檔案
* @param exeFilePath pdf2htmlEX.exe檔案路徑
* @param pdfFile pdf檔案絕對路徑
* @param [destDir] 生成的html檔案存放路徑
* @param htmlName 生成的html檔名稱
* @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("傳遞的引數有誤！");
return false;
}
Runtime rt = Runtime.getRuntime();
StringBuilder command = new StringBuilder();
command.append(exeFilePath).append(" ");
if(destDir!=null&&!"".equals(destDir.trim()))//生成檔案存放位置,需要替換檔案路徑中的空格
command.append("--dest-dir ").append(destDir.replace(" ", "\" \"")).append(" ");
command.append("--optimize-text 1 ");//儘量減少用於文字的HTML元素的數目 (default: 0)
command.append("--zoom 1.4 ");
command.append("--process-outline 0 ");//html中顯示連結：0——false，1——true
command.append("--font-format woff ");//嵌入html中的字型字尾(default ttf) ttf,otf,woff,svg
command.append(pdfFile.replace(" ", "\" \"")).append(" ");//需要替換檔案路徑中的空格
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");
//開啟螢幕標準錯誤流
errorGobbler.start();
StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");
//開啟螢幕標準輸出流
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("傳遞的引數有誤！");
return false;
}
Runtime rt = Runtime.getRuntime();
StringBuilder command = new StringBuilder();
command.append("pdf2htmlEX").append(" ");
if(destDir!=null&&!"".equals(destDir.trim()))//生成檔案存放位置,需要替換檔案路徑中的空格
command.append("--dest-dir ").append(destDir.replace(" ", "\" \"")).append(" ");
command.append("--optimize-text 1 ");//儘量減少用於文字的HTML元素的數目 (default: 0)
command.append("--process-outline 0 ");//html中顯示連結：0——false，1——true
command.append("--font-format woff ");//嵌入html中的字型字尾(default ttf) ttf,otf,woff,svg
command.append(pdfFile.replace(" ", "\" \"")).append(" ");//需要替換檔案路徑中的空格
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");
//開啟螢幕標準錯誤流
errorGobbler.start();
StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");
//開啟螢幕標準輸出流
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環境下的呼叫命名：
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檔案路徑。後面的空格不能少
d:\\test" "2表示轉換之後的html存放位置，這裡的" "為空格，dos環境下，所有空格必須使用""包裹，否則不能識別。後面的空格不能少
D:\\test" "1\\v1.pdf表示pdf檔案的位置。後面的空格不能少
v3.html表示將pdf轉為html檔案的檔名。可選