在PHP中将PDF转换为HTML？

我希望能够通过PHP将PDF文件转换为HTML文件，但遇到了一些麻烦

我发现了一种基本的方法，可以使用它将PDF转换为HTML文件。但是，这也存在一些问题，例如SVG、图像、定位、字体等的使用

我所需要的只是能够从PHP文件中获取文本和与之相关的任何图像，然后以线性格式显示它，而不是以绝对定位格式显示它

我的意思是，如果PDF看起来像这样：

我想把它转换成一个单列设计HTML文件。如果有照片的话，我希望他们也能回来

这在PHP中可能吗？我知道我可以简单地从PDF文件中抓取文本，但是抓取图像又如何呢

另一个问题是，我希望所有内容都是内联的，因为它是在一个文件中提供给客户机的。目前，我可以通过一些代码在设置中执行此操作：

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]);
            }

（$i=0；$i<$object\u number；$i++）的

{
$object=$html->find（“object”）->find（“嵌入”）->eq（$i）；
$embed=file\u get\u contents（“Output/outputtml/”$object->attr（“src”）；
数组推送（$converted\u obj，$embed）；
数组_push（$original_obj，$object）；
}
对于（$i=0；$i<$object\u number；$i++）{
pq（$original_obj[$i]）->替换为（$converted_obj[$i]）；
}

---

它获取所有的

SVG

文件并以内联方式显示它们。图像将更容易做到这一点，因为我可以使用

base64

您实际上希望做的是重新流式显示PDF文件。我不确定这是否存在，充其量也很难做到

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，我认为这是不可能的

我在这里写了一篇文章，解释了我认为回流PDF有缺陷的原因：

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（为了透明度，我在这里工作！）提供了什么

我们目前正在将我们的PDF转换为HTML5和PDF转换软件放到云中：

JPedal的PDF文本提取和PDF图像提取功能可能更适合您。如果PDF到HTML5运行良好，我们很可能也会考虑将其放到云中

文本提取：

---

图像提取：

您希望从发布的图形中实现的实际上是图形的OCR转换

1）下载.exe文件并将其解压缩到文件夹：

2） 创建一个.php文件，并将此代码放入（假设pdftohtml.exe和源sample.pdf都在该文件夹中）：

3） 输入MyFolder，您将看到转换的文件（取决于页数..）

---

p、 我不知道，但也存在许多商业或试用API。

跨平台解决方案使用：

下载适当的Xpdf工具包，并将其解压缩到脚本目录中的子目录中。让我们假设它被称为“/xpdftools”

在php脚本中添加这样的代码：

$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

目录将包含已转换的html文件（每个页面位于单独的文件中）

Xpdf工具使用以下退出代码：

• 0

  -无错误

• 1

  -打开PDF文件时出错

• 2

  -打开输出文件时出错

• 3

  -与PDF权限相关的错误

• 99

  -其他错误

---

没有。PDF文件不是图像的集合，而是实际的文本。这对我很有用，非常感谢。但是如何在这里指定要转换的页面范围呢？我尝试添加passthru（“pdftohtml$source\u pdf 3-5$output\u folder/new\u file\u name”，$b），但没有成功。你能告诉我吗？也许它会转换成完整的PDF，你必须添加一个delte php命令（在脚本执行之后），删除所有不需要的页面。。。有点像这样的概念：

$redired_pages=array（5,6,7,8）；foreach（$eachPageIndex形式的不需要的页面）{unlink（'filename'.$eachPageIndex）；}

指定页面的pdf脚本有参数：$a=passthru（“pdftohtml-f$firstpage-l$lastpage$source\u pdf$output\u folder/new\u file\u name”，$b）；还可以查看编码选项任何Unix解决方案，因为.exe无法在Unix系统上运行？感谢您让生活变得更轻松。IDR的产品看起来很有趣，但许可证非常昂贵。不适合单个网站所需的小规模转换。

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

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