高保真PDF至HTML转换 pdf2htmlEX

传统pdf2html有两种:

一种相当于pdf2text加一些比较弱的格式,基本跟pdf2text也差不了多少
另一种是把所有渲染成图片然后嵌到一个html,结果是文字信息都丢失(不能选择,拷贝),生成的文件还巨大。

pdf2htmlEX结合二者优点,既保留了文字,又保留了格式。
具体来说有如下特性

  • 1.从pdf提取字体
  • 2.保证渲染准确性,针对web进行优化(包括减少文件大小,文字行合并,(为HTML文字选择)字体重编码等等)
  • 3.其他内容用图片显示
  • 4.单文件输出,一个HTML搞定一切

转换的效果实例:

coolwanglu / pdf2htmlEX

Watch 413 Fork 32

Convert PDF to HTML without losing format. Text is preserved as much as possible. — More...

你可能感兴趣的:(html)