使用XPDF将PDF转换为HTML
1、下载xpdf最新版本，地址：http://www.foolabs.com/xpdf/download.html
我下载的是xpdf-3.02pl4-win32.zip
2、下载中文支持包
我下载的是 xpdf-chinese-simplified.tar.gz
3、下载pdftohtml支持包
地址：http://sourceforge.net/projects/pdftohtml/
我下载的是：pdftohtml-0.38-win32.zip
4、解压调试
1) 先将xpdf-3.02pl4-win32.zip解压，解压后的内容可根据需要进行删减，如果只需要转换为txt格式，其他的exe文件可以删除，只保留pdftotext.exe，以此类推；
2) 然后将xpdf-chinese-simplified.tar.gz解压到刚才xpdf-3.02pl2-win32.zip的解压目录；
3) 将pdftohtml-0.38-win32.zip解压，pdftohtml.exe解压到xpdf-3.02pl4-win32.zip的解压目录；
4) 目录结构：
+---[X:/xpdf]
|-------各种转换用到的exe文件
|
|-------xpdfrc
|
+------[X:/xpdf/xpdf-chinese-simplified]
|
|
+-------很多转换时需要用到的字符文件
xpdfrc：此文件是用来声明转换字符集对应路径的文件
注意：解压目录中不要有空格，且不要将文件直接解压到根目录下
5) 修改xpdfrc文件(文件原名为sample-xpdfrc)
修改文件内容为：
#----- 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) 创建bat文件pdftohtml.bat（放置的路径为X:/xpdf /pdftohtml.bat）
内容为：
@echo off set folderPath=%1 set filePath=%2 cd /d %folderPath% pdftohtml -enc GBK %filePath% exit
7) 创建类
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 + "/" /"" + INPUT_PATH + "/""; Runtime.getRuntime().exec(cmd); } catch (IOException e) { e.printStackTrace(); } } } }
String cmd = "....";此处代码是调用创建的bat文件进行转换
8) 测试转换
public static void main(String[] args) { ConvertPdf.convertToHtml("C://test.pdf", "X://xpdf"); }
运行结果不大理想，运行第一次时，html页面是打不开的，之后才创建了相应的页面，到第二次运行时就正常了，原因不明。。。