使用XPDF將PDF轉換為HTML的實現步驟
2020-07-18 16:10:30
供稿：網友
1、下載xpdf最新版本，地址：http://www.foolabs.com/xpdf/download.html
我下載的是xpdf-3.02pl2-win32.zip
2、下載中文支持包
我下載的是xpdf-chinese-simplified.tar.gz
3、下載pdftohtml支持包
地址：http://sourceforge.net/projects/pdftohtml/
我下載的是：pdftohtml-0.39-win32.tar.gz
4、解壓調試
1) 先將xpdf-3.02pl2-win32.zip解壓，解壓后的內容可根據需要進行刪減，如果只需要轉換為txt格式，其他的
exe文件可以刪除，只保留pdftotext.exe，以此類推；
2) 然后將xpdf-chinese-simplified.tar.gz解壓到剛才xpdf-3.02pl2-win32.zip的解壓目錄；
3) 將pdftohtml-0.39-win32.tar.gz解壓，pdftohtml.exe解壓到xpdf-3.02pl2-win32.zip的解壓目錄；
4) 目錄結構：
+---[X:/xpdf]
|-------各種轉換用到的exe文件
|
|-------xpdfrc
|
+------[X:/xpdf/xpdf-chinese-simplified]
|
http://www.javaeye.com/forums 1.6 Word/Excel/PDF文件轉換成HTML整理
|
+-------很多轉換時需要用到的字符文件
xpdfrc：此文件是用來聲明轉換字符集對應路徑的文件
5) 修改xpdfrc文件(文件原名為sample-xpdfrc)
修改文件內容為：
#----- begin Chinese Simplified support package
cidToUnicode Adobe-GB1 xpdf-chinese-simplified/Adobe-GB1.cidToUnicode
unicodeMap ISO-2022-CN xpdf-chinese-simplified/ISO-2022-CN.unicodeMap
unicodeMap EUC-CN xpdf-chinese-simplified/EUC-CN.unicodeMap
unicodeMap GBK xpdf-chinese-simplified/GBK.unicodeMap
cMapDir Adobe-GB1 xpdf-chinese-simplified/CMap
toUnicodeDir xpdf-chinese-simplified/CMap
fontDir C:/WINDOWS/Fonts
displayCIDFontTT Adobe-GB1 C:/WINDOWS/Fonts/simhei.ttf
#----- end Chinese Simplified support package
6) 創建bat文件pdftohtml.bat（放置的路徑不能包含空格）
內容為：
@echo off
set folderPath=%1
set filePath=%2
cd /d %folderPath%
pdftohtml -enc GBK %filePath%
exit
http://www.javaeye.com/forums 1.6 Word/Excel/PDF文件轉換成HTML整理
7) 創建類
public class ConvertPdf
{
private static String INPUT_PATH;
private static String PROJECT_PATH;
public static void convertToHtml(String file, String project)
{
INPUT_PATH = file;
PROJECT_PATH = project;
if(checkContentType()==0)
{
toHtml();
}
}
private static int checkContentType()
{
String type = INPUT_PATH.substring(INPUT_PATH.lastIndexOf(".") + 1, INPUT_PATH.length())
.toLowerCase();
if (type.equals("pdf"))
return 0;
else
return 9;
}
private static void toHtml()
{
if(new File(INPUT_PATH).isFile())
{
try
{
String cmd = "cmd /c start X://pdftohtml.bat /"" + PROJECT_PATH + "/" http://www.javaeye.com/forums 1.6 Word/Excel/PDF文件轉換成HTML整理
Runtime.getRuntime().exec(cmd);
}
catch (IOException e)
{
e.printStackTrace();
}
}
}
}
String cmd = "....";此處代碼是調用創建的bat文件進行轉換
8) 測試轉換
public static void main(String[] args)
{
ConvertPdf.convertToHtml("C://test.pdf", "X://xpdf");
}
