pdfdom将pdf转成html 使用pdfdom将pdf转为html(示例代码)

pdfbox自带的转换html的方法效果不是太好，pdfdom是基于pdfbox的，在此之上加强了转换html的能力。

maven

net.sf.cssbox

pdf2dom

1.6

org.apache.pdfbox

pdfbox

2.0.4

org.apache.pdfbox

pdfbox-tools

2.0.4

使用

public void generateHTMLFromPDF(String filename) throws IOException, ParserConfigurationException {

PDDocument pdf = PDDocument.load(new File(filename));

Writer output = new PrintWriter("pdf.html", "utf-8");

new PDFDomTree().writeText(pdf, output);

output.close();

}

或者

public void convertPdf2Html(File input,Writer out) throws IOException, ParserConfigurationException {

PDDocument pdf = PDDocument.load(input);

PDFDomTree tree = new PDFDomTree();

tree.writeText(pdf,out);

}

转自：这里