研究PDF转HTML;
有个开源XPDF+pdftohtml可以实现,XPDF项目地址:http://www.foolabs.com/xpdf/home.html 在该项目基础上有人实现了pdftohtml,项目地址:http://sourceforge.net/projects/pdftohtml/
前人有研究:
介绍XPDF http://www.cnblogs.com/zhengyun_ustc/archive/2005/08/03/206685.html
具体java代码:http://shuaigg-babysky.iteye.com/blog/522155
在实现转换过程中,发现转来的html页面总是有背景色,而且每页之间的空白太大。经过http://sourceforge.net/projects/pdftohtml/forums/forum/150220/topic/1781770提示,我利用工具cnet_HxDSetupEN_zip.exe对pdftohtml.exe进行了修改。修改后的pdftohtml.exe见附件
在使用过程中,可以在命令提示窗口“pdftohtml -help”查看都有哪些可选参数
本项目采用的命令为“pdftohtml.exe -c -i -noframes -zoom 2.2 -enc GBK a.pdf a.html”-c完整文档 -i去掉背景图片 -noframes去掉框架 -zoom放大缩小文档,初始值为1.5 -enc 指定编码