问题标签 [pdf-to-html]

我的用户要做的是在他们的机器上选择一个 PDF 文档，将其上传到我的网站，在那里我将转换为 HTML 文档以在网站上显示。该文件将在转换后存储在数据库中。

将 PDF 转换为 HTML 的最佳方法是什么？

我收到了一个要求，用户将创建一个 pdf 格式的“新闻”故事，然后将其上传到服务器，在那里它将转换为 HTML 并显示在网站上。

将要在浏览器中查看的 PDF 文档转换为 HTML 的最佳解决方案是什么？该站点有几个 PDF 文档，访问者可以单击以 HTML 格式查看，这应该在屏幕上以 HTML 文件的形式查看。

运行 PHP、Linux、Apache 的标准网站。

应该保持格式，看起来几乎和原来的一样。

我正在尝试以编程方式将 PDF 转换为 HTML。到目前为止，我一直在使用pdftohtml，但我们的用户对结果并不满意。

这是我需要的：

• 我正在使用 Ruby on Rails，但任何在 Unix 上工作的工具都可以工作，因为我可以从命令行调用它。当然，一个不错的 gem 或插件将是完美的。

• 我希望它是开源的

• 它需要能够处理图像

• 如果需要时可以选择丢弃图像，那就太好了

• 它需要稳定

• 它需要返回布局接近原始 pdf 的 html（我尝试过pdftohtml，但在很多情况下结果都不是很好）

我想使用 c#将 pdf 转换为 html ...任何人都可以提供任何想法..

我正在尝试使用 pdftohtml，但我发现它有时难以正确解析表格。它将两列中的文本分组到一个单元格中，这使我尝试解析结果数据是徒劳的！

请注意，这仅在 PDF 中发生一次或两次，并且非常不可预测。

我已经尝试过最新版本的 pdftohtml（包括 0.40a 测试版），但无济于事。

有人知道任何可能值得尝试的与 Linux 兼容的等价物吗？

谢谢，

山姆

我想知道如何使用 JavaScript 完成 PDF 页面的水平滚动。是否更好：

1. 将 PDF 的页面转换为 HTML 文件，然后在 src="...each page.html"?
2. 将 PDF 的页面转换为 iframe 之外的其他 HTML 元素（例如，DIV？），然后在包含每个页面内容的元素之间单击左右。

我想确保 PDF 的文本是可搜索的，所以我不想把它的页面变成图像。我也对使用 iframe 持怀疑态度，因为在单个网页中拥有多个 iframe 会带来格式挑战。在使用“PDFtoHTML”基于 linux 的软件将 PDF 转换为 HTML 之后，我已经测试了这种方法，发现通常这是一个次优的解决方案。

似乎选项 2 是要走的路，但不知道如何以编程方式将 PDF 解析为多个 DIV。除了 JavaScript，我熟悉 PHP 和 Linux，但不熟悉其他语言，如果这有助于思考解决方案的话。

我目前在运行 Apache 网络服务器的远程 CentOS 5.6 系统上通过 ssh。我需要使用 popplerpdftohtml二进制文件，不幸的是，该二进制文件当前未安装在该机器上。所以我下载了 poppler 包并将其构建在我的用户文件夹下。由于我不是系统管理员，所以我没有这样做

我有我所有的编译文件

我需要通过php执行的文件shell_exec()是

如果我通过我的 ssh bash 执行它，我会得到正确的输出。相反，如果我将此行放在 php 脚本上：

我得到以下输出：

我尝试将文件权限设置为 777，目前是 -rwxrwxrwx。我还注意到shell_exec("whoami");在“apache”中使用结果。如果文件权限是-rwxrwxrwx，apache不应该能够执行脚本吗？

我也知道通过安装 popplermake install可以解决问题，但由于这是出于测试目的，我想避免在我的个人文件夹之外“污染”系统，直到测试完成。

感谢任何会提供帮助的人！

我正在尝试将 PDF 文档转换为 java 中的单个 HTML 文件。大多数在线转换器将一个 PDF 文件转换为多个 HTML 文件。我想将整个 PDF 转换为单个 HTML 文件。

有什么建议么？

如何将仅包含表格的 PDF 文件转换为等效的 XML 格式？