在PHP中将PDF转换为HTML？

Question

我想能够通过PHP将PDF文件转换为HTML文件，但遇到了一些麻烦。

我找到了一种使用Saaspose的基本方法，它可以让你将PDF转换成HTML文件。然而，这也存在一些问题，例如SVG、图像、定位、字体等的使用。

我所需要的是能够从PHP文件中抓取文本和与之相关的任何图像，然后以线性格式显示它，而不是使用绝对定位格式化它。

我的意思是，如果PDF看起来像这样：

​

​

我想把它转换成一个单独的列设计HTML文件。如果有图片，我也希望它们能被返回。

这在PHP中是可能的吗？我知道我可以简单地从PDF文件中抓取文本，但是抓取图像呢？

另一个问题是，我希望所有内容都是内联的，因为它是在单个文件中提供给客户端的。目前，我可以通过一些代码使用我的设置来做到这一点：

for ($i = 0; $i < $object_number; $i++) {
                $object = $html->find("object")->find("embed")->eq($i);
                $embed = file_get_contents("Output/OutputHtml/" . $object->attr("src"));
                array_push($converted_obj, $embed);
                array_push($original_obj, $object);
            }

            for ($i = 0; $i < $object_number; $i++){
                pq($original_obj[$i])->replaceWith($converted_obj[$i]);
            }

它抓取所有的SVG文件并以内联方式显示它们。使用图片会更容易，因为我可以使用base64。

Answer 1

1)下载.exe文件并解压到一个文件夹：

2)创建一个.php文件，并放入以下代码(假设pdftohtml.exe和源sample.pdf都在该文件夹中)：

<?php
$source_pdf="sample.pdf";
$output_folder="MyFolder";

    if (!file_exists($output_folder)) { mkdir($output_folder, 0777, true);}
$a= passthru("pdftohtml $source_pdf $output_folder/new_file_name",$b);
var_dump($a);
?>

3)进入MyFolder，您将看到转换后的文件(取决于页数..)

附注：我不知道，但也有很多商业或试用的apis。

Answer 2

使用的跨平台解决方案

下载适当的Xpdf tools包，并将其解压缩到脚本目录下的一个子目录中。让我们假设它被称为"/xpdftools“。

将这样的代码添加到php脚本中：

$pdf_file = 'sample.pdf';
$html_dir = 'htmldir';
$cmd = "xpdftools/bin32/pdftohtml $pdf_file $html_dir";

exec($cmd, $out, $ret);
echo "Exit code: $ret";

成功执行脚本后，htmldir目录将包含转换后的html文件(每个页面位于一个单独的文件中)。

Xpdf工具使用以下退出代码：

• 0 -无error.
• 1 -打开PDF file.
• 2时出错-打开输出file.
• 3时出错-与PDF permissions.
• 99相关的错误-其他错误。

Answer 3

您实际上要做的是对PDF文件进行回流。我不确定这是否存在，充其量也是很难做到的。

可以编写一些代码来完成特定文件所需的操作，但对于一般情况，我认为这样做是不可能的。

我在这里写了一篇文章，解释了为什么我认为reflowing是有缺陷的：http://www.planetpdf.com/enterprise/article.asp?ContentID=PDF_Reflow_in_Microsoft_Word_2012_Is_it_any_good

特别有趣的是开头的一段“让我们用报纸上的故事来说明这个问题。”

你可能想看看IDRsolutions是什么(为了提高透明度，我就在这里工作！)必须提供。

我们目前正在将我们的PDF转成HTML5和PDF转换软件放在云端：http://www.idrsolutions.com/cloud-pdf-converter/

可能更适合您的是JPedal的PDF文本提取和PDF图像提取功能。如果PDF到HTML5的转换进展顺利，我们很可能也会考虑将其放到云中。

文本提取：http://www.idrsolutions.com/pdf-to-text-conversion/

图像提取：http://www.idrsolutions.com/extract-images-from-pdf/