pdf2htmlEX實現pdf轉html

首先要感謝pdf2htmlEX的做者Lu Wang，該軟件是一個pdf轉html的開源軟件，效果很是理想。下面兩張圖片是html和pdf視圖下的截圖：

windows下載地址pdf2htmlEX-v1.0-win32-static

本人開發的一個功能：文檔在線閱讀，要求可以支持移動終端瀏覽器在線閱讀。考慮過將文檔先轉pdf，而後在將pdf轉swf，利用flexpaper在前端瀏覽器訪問。可是因爲safari瀏覽器不支持flash，因此這種方式不太適合。也測試過火狐的pdf.js，可是這個框架在safari中出現中文亂碼，一樣不行。最後，通過測試，只有使用pdf2htmlEX轉的html在各個瀏覽器上展現效果均不錯，因此選擇該軟件。

第一步：下載pdf2html。

第二步：修改pdf2html自帶的js文件pdf2htmlEX.min.js。緣由：移動終端瀏覽器對CSS定位absolute的支持有問題（不會出現滾動條），因此須要爲全部頁面的容器設置高度，這樣，手機瀏覽器就能夠出現滾動條了。修改和添加的js代碼以下：

[html] view plaincopy

1. 文件最後加上：  

2. window.onload=function(){  

3.     var eles = document.getElementsByClassName('pf w0 h0');  

4.     var height = 0;  

5.     for(var i=0,len=eles.length;i<len;i++){  

6.         height +=eles[i].scrollHeight+20;  

7.     }  

8.     if(height>0)  

9.     document.getElementById('page-container').style.height=height+'px';  

10. }  

[javascript] view plaincopy

1. /*註釋下面這段代碼，由於手機瀏覽器沒法觸發滾動事件 

2.     <span style="white-space:pre">  </span>this.container.addEventListener('scroll', function() { 

3.       <span style="white-space:pre">        </span>self.update_page_idx(); 

4.       <span style="white-space:pre">        </span>self.schedule_render(true); 

5.    <span style="white-space:pre">   </span>}, false); 

6. */  

7. /*新增，使用document對象上滾動加載頁面數據，這樣能夠兼容手機瀏覽器*/  

8. <span style="white-space:pre">  </span>document.addEventListener('scroll', function() {  

9.         <span style="white-space:pre">  </span>self.update_page_idx();  

10.         <span style="white-space:pre">  </span>self.schedule_render(true);  

11.       <span style="white-space:pre">    </span>}, false);  

第三步：編寫java處理類

[java] view plaincopy

1. public class Pdf2htmlEXUtil {  

2.   

3.     /** 

4.      * 調用pdf2htmlEX將pdf文件轉換爲html文件 

5.      * @param command 調用exe的字符串 

6.      * @param pdfName 須要轉換的pdf文件名稱 

7.      * @param htmlName 生成的html文件名稱 

8.      * @return  

9.      */  

10.     public static boolean pdf2html(String command,String pdfName,String htmlName){  

11.         Runtime rt = Runtime.getRuntime();  

12.         try {  

13.             Process p = rt.exec(command);  

14.             StreamGobbler errorGobbler = new StreamGobbler(p.getErrorStream(), "ERROR");                

15.               // kick off stderr    

16.             errorGobbler.start();    

17.             StreamGobbler outGobbler = new StreamGobbler(p.getInputStream(), "STDOUT");    

18.               // kick off stdout    

19.             outGobbler.start();   

20.             int w = p.waitFor();  

21.             System.out.println(w);  

22.             int v = p.exitValue();  

23.             System.out.println(v);  

24.             return true;  

25.         } catch (Exception e) {  

26.             e.printStackTrace();  

27.         }  

28.         return false;  

29.     }  

30.       

31.     public static void main(String[] args) {  

32.         pdf2html("D:\\pdf2htmlEX-v1.0\\pdf2htmlEX.exe D:\\v.pdf hello.html","v.pdf","v2.html");  

33.     }  

34. }  

處理Runtime.exec()一直阻塞的類：若是沒有這個類，p.waitFor()將會一直等待，這是從這裏找到的解決方法

[java] view plaincopy

1. import java.io.BufferedReader;  

2. import java.io.IOException;  

3. import java.io.InputStream;  

4. import java.io.InputStreamReader;  

5. import java.io.OutputStream;  

6. import java.io.PrintWriter;  

7.   

8. /** 

9.  * 用於處理Runtime.getRuntime().exec產生的錯誤流及輸出流 

10.  * @author shaojing 

11.  * 

12.  */  

13. public class StreamGobbler extends Thread {  

14.     InputStream is;  

15.     String type;  

16.     OutputStream os;  

17.           

18.     StreamGobbler(InputStream is, String type) {  

19.         this(is, type, null);  

20.     }  

21.   

22.     StreamGobbler(InputStream is, String type, OutputStream redirect) {  

23.         this.is = is;  

24.         this.type = type;  

25.         this.os = redirect;  

26.     }  

27.       

28.     public void run() {  

29.         InputStreamReader isr = null;  

30.         BufferedReader br = null;  

31.         PrintWriter pw = null;  

32.         try {  

33.             if (os != null)  

34.                 pw = new PrintWriter(os);  

35.             isr = new InputStreamReader(is);  

36.             br = new BufferedReader(isr);  

37.             String line=null;  

38.             while ( (line = br.readLine()) != null) {  

39.                 if (pw != null)  

40.                     pw.println(line);  

41.                 System.out.println(type + ">" + line);      

42.             }  

43.             if (pw != null)  

44.                 pw.flush();  

45.         } catch (IOException ioe) {  

46.             ioe.printStackTrace();    

47.         } finally{  

48.             try {  

49.                 if(pw!=null)  

50.                     pw.close();  

51.                 if(br!=null)  

52.                     br.close();  

53.                 if(isr!=null)  

54.                     isr.close();  

55.             } catch (IOException e) {  

56.                 e.printStackTrace();  

57.             }  

58.         }  

59.     }  

60. }   

一個完整的高保真pdf轉html例子就完成了。使用pdf2html，本人摸索了2天，終於在今天搞定，特此記錄一下。

pdf2html命令用法：

[html] view plaincopy

1. 用法: pdf2htmlEX [options] <input.pdf> [<output.html>]  

2.   -f,--first-page <int>         須要轉換的起始頁 (默認: 1)  

3.   -l,--last-page <int>          須要轉換的最後一頁 (默認: 2147483647)  

4.   --zoom <fp>                   縮放比例  

5.   --fit-width <fp>              適合寬度 <fp> 像素  

6.   --fit-height <fp>             適合高度 <fp> 像素  

7.   --use-cropbox <int>           使用剪切框 (default: 1)  

8.   --hdpi <fp>                   圖像水平分辨率 (default: 144)  

9.   --vdpi <fp>                   圖像垂直分辨率 (default: 144)  

10.   --embed <string>              指定哪些元素應該被嵌入到輸出  

11.   --embed-css <int>             將CSS文件嵌入到輸出中 (default: 1)  

12.   --embed-font <int>            將字體文件嵌入到輸出中 (default: 1)  

13.   --embed-image <int>           將圖片文件嵌入到輸出中 (default: 1)  

14.   --embed-javascript <int>      將javascript文件嵌入到輸出中 (default: 1)  

15.   --embed-outline <int>         將連接嵌入到輸出中 (default: 1)  

16.   --split-pages <int>           將頁面分割爲單獨的文件 (default: 0)  

17.   --dest-dir <string>           指定目標目錄 (default: ".")  

18.   --css-filename <string>       生成的css文件的文件名 (default: "")  

19.   --page-filename <string>      分割的網頁名稱  (default:"")  

20.   --outline-filename <string>   生成的連接文件名稱 (default:"")  

21.   --process-nontext <int>       渲染圖行，文字除外 (default: 1)  

22.   --process-outline <int>       在html中顯示連接 (default: 1)  

23.   --printing <int>              支持打印 (default: 1)  

24.   --fallback <int>              在備用模式下輸出 (default: 0)  

25.   --embed-external-font <int>   嵌入局部匹配的外部字體 (default: 1)  

26.   --font-format <string>        嵌入的字體文件後綴 (ttf,otf,woff,svg) (default: "woff")  

27.   --decompose-ligature <int>    分解連字-> fi (default:0)  

28.   --auto-hint <int>             使用fontforge的autohint上的字體時不提示 (default: 0)  

29.   --external-hint-tool <string> 字體外部提示工具 (overrides --auto-hint) (default: "")  

30.   --stretch-narrow-glyph <int>  伸展狹窄的字形，而不是填充 (default: 0)  

31.   --squeeze-wide-glyph <int>    收縮較寬的字形，而不是截斷 (default: 1)  

32.   --override-fstype <int>       clear the fstype bits in TTF/OTF fonts (default:0)  

33.   --process-type3 <int>         convert Type 3 fonts for web (experimental) (default: 0)  

34.   --heps <fp>                   合併文本的水平臨界值，單位：像素(default: 1)  

35.   --veps <fp>                   vertical threshold for merging text, in pixels (default: 1)  

36.   --space-threshold <fp>        斷字臨界值 (臨界值 * em) (default:0.125)  

37.   --font-size-multiplier <fp>   一個大於1的值增長渲染精度 (default: 4)  

38.   --space-as-offset <int>       把空格字符做爲偏移量 (default: 0)  

39.   --tounicode <int>             如何處理ToUnicode的CMap (0=auto, 1=force,-1=ignore) (default: 0)  

40.   --optimize-text <int>         儘可能減小用於文本的HTML元素的數目 (default: 0)  

41.   --bg-format <string>          指定背景圖像格式 (default: "png")  

42.   -o,--owner-password <string>  全部者密碼 (爲了加密文件)  

43.   -u,--user-password <string>   用戶密碼 (爲了加密文件)  

44.   --no-drm <int>                覆蓋文檔的 DRM 設置 (default: 0)  

45.   --clean-tmp <int>             轉換後刪除臨時文件 (default: 1)  

46.   --data-dir <string>           指定的數據目錄 (default: ".\share\pdf2htmlEX")  

47.   --debug <int>                 打印調試信息 (default: 0)  

48.   -v,--version                  打印版權和版本信息  

49.   -h,--help                     打印使用幫助信息  

本人使用的版本時v0.11的和v1的版本有一些區別，主要是做者從新編寫了pdftohtmlEX.js因此須要對照上面的js作相應修改

[javascript] view plaincopy

1. window.onload=function(){  

2.     var eles = document.getElementsByClassName('pd w0 h0');  

3.     var height = 0;  

4.     for(var i=0,len=eles.length;i<len;i++){  

5.         height +=eles[i].scrollHeight+20;  

6.     }  

7.     if(height>0){  

8.         document.getElementById('page-container').style.height=height+'px';  

9.         document.getElementById('page-container').style.overflow='hidden';  

10.     }  

11. }  

[javascript] view plaincopy

1. //this.$container.scroll(function(){ _.schedule_render(); });  

2.   $(document).scroll(function(){_.schedule_render();});