使用XPDF将PDF转换为HTML的实现步骤

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]
|
http://www.javaeye.com/forums 1.6 word/excel/pdf文件转换成html整理
|
+-------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
http://www.javaeye.com/forums 1.6 word/excel/pdf文件转换成html整理
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 + "\" http://www.javaeye.com/forums 1.6 word/excel/pdf文件转换成html整理
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");
}