xpdf将pdf转成html

1、下载xpdf最新版本，地址：http://www.foolabs.com/xpdf/download.html

我下载的是xpdf-3.02pl2-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-0.39-win32.tar.gz

4、解压调试

1) 先将xpdf-3.02pl2-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-0.39-win32.tar.gz解压，pdftohtml.exe解压到xpdf-3.02pl2-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

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（放置的路径不能包含空格）内容为：

@echo off
set folderPath=%1
set filePath=%2
cd /d %folderPath%
pdftohtml -enc GBK %filePath%
exit

7) 创建类

package com.xpdf;

import java.io.File;
import java.io.IOException;

public class PdfToHtml_xpdf {
	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();
		System.out.println("type:" + type);
		if (type.equals("pdf")){
			return 0;}
		else {
			return 9;
		}
	}

	private static void toHtml() {
		if (new File(INPUT_PATH).isFile()) {
			try {
				String cmd ="cmd /k start D:\\testOffice\\xpdf\\pdftohtml.bat \""
						+ INPUT_PATH + "\" \"" + PROJECT_PATH + "\"";
				System.out.println("cmd:" + cmd);
				Runtime.getRuntime().exec(cmd);
				System.out.println("OK");
			} catch (IOException e) {
				e.printStackTrace();
				System.out.println("error");
			}
		}
	}

}

 

 

String cmd = "....";此处代码是调用创建的bat文件进行转换

8) 测试转换

package com.xpdf;

public class RunXpdf {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		PdfToHtml_xpdf.convertToHtml("D:\\testOffice\\xpdf\\超经典的设计模式讲解.pdf", "D:\\testOffice\\xpdf\\xpdf3");
	}

}

 

 

评论

2 楼 zlb824 2011-12-02  

“String cmd ="cmd /k start D:\\testOffice\\xpdf\\pdftohtml.bat \"" 
+ INPUT_PATH + "\" \"" + PROJECT_PATH + "\"";”这一句貌似有问题呀？兄弟，你拷贝过来之后测了没呀？

1 楼 gn1989 2011-11-24  

我试了，怎么不行啊！！！