工作中，我们经常会使用到HTML和PDF。HTML格式是一种超文本标记语言，通常我们所浏览的网页就是HTML的。而PDF是我们在传输文件时常用到的格式，它可以保证文件的内容、格式以及排版的稳定性。有时候我们需要将PDF转化为HTML，才能对它里面的内容进行修改。那你们知道PDF转HTML怎么转吗？下面就为大家分享三种转换方法。

方法一：运用万能文字识别软件进行转换

万能文字识别是一款功能丰富、高效稳定的办公软件，它支持PDF转HTML格式，能够准确识别文件字体、字号、图片大小，保留原始数据和布局。该软件同时还包含其他PDF转换处理功能，还有文字识别，图片翻译等一系列工具。

步骤一：打开万能文字识别软件，找到【PDF转换】，选择【PDF转HTML】。

步骤二：点击【添加PDF文件】，选择需要转换的文件，点击【开始转换】，文件就转换好了。

该软件在手机上也可下载使用，功能同样很丰富，感兴趣的小伙伴可以自行使用。

方法二：借助WPS office软件来转换

这是一款支持Word、Excel、PPT等格式进行编辑的软件，我们可以通过它将PDF转成HTML格式。但是它不能直接转换，需要先将其转换成Word格式才能再进行下一步操作。

步骤一：打开PDF文件，选择工具栏中的【转换】，再选择【PDF转Word】，等待转换完成。

步骤二：打开转成Word格式文件，点击【文件】，选择【另存为】，更改文件类型为【单一网页文件*.mht;*mhtml】，接下来点击【保存】，就可以了。

方法三：使用修改文件拓展名进行转换

修改文件拓展名是一种比较直接的格式转换方法，比较适合对只需要转换一个文件的小伙伴。

步骤：右键点击需要转换格式的PDF文件，选择【属性】，将文件名后缀的【.PDF】修改为【.HTML】，点击【确定】，就完成了。

不过我们在转换之前，需要先备份原文件，避免出现后缀改错，而导致文件打不开的情况。

今天分享的内容就先到这了，大家都知道PDF转HTML怎么转了吗？快点动手实际操作转换一下吧。

近有一个业务是前端要上传word格式的文稿，然后用户上传完之后，可以用浏览器直接查看该文稿，并且可以在富文本框直接引用该文稿，所以上传word文稿之后，后端保存到db的必须是html格式才行，所以涉及到word格式转html格式。

通过调查，这个word和html的处理，有两种方案，方案1是前端做这个转换。方案2是把word文档上传给后台，后台转换好之后再返回给前端。至于方案1，看到大家的反馈都说很多问题，所以就没采用前端转的方案，最终决定是后端转化为html格式并返回给前段预览，待客户预览的时候，确认格式没问题之后，再把html保存到后台（因为word涉及到的格式太多，比如图片，visio图，表格，图片等等之类的复杂元素，转html的时候，可能会很多格式问题，所以要有个预览的过程）。

对于word中普通的文字，问题倒不大，主要是文本之外的元素的处理，比如图片，视频，表格等。针对我本次的文章，只处理了图片，处理的方式是：后台从word中找出图片（当然引入的jar包已经带了获取word中图片的功能），上传到服务器，拿到绝对路径之后，放入到html里面，这样，返回给前端的html内容，就可以直接预览了。

maven引入相关依赖包如下：

 <poi-scratchpad.version>3.14</poi-scratchpad.version>
        <poi-ooxml.version>3.14</poi-ooxml.version>
        <xdocreport.version>1.0.6</xdocreport.version>
        <poi-ooxml-schemas.version>3.14</poi-ooxml-schemas.version>
        <ooxml-schemas.version>1.3</ooxml-schemas.version>
        <jsoup.version>1.11.3</jsoup.version>

<dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-scratchpad</artifactId>
            <version>${poi-scratchpad.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml</artifactId>
            <version>${poi-ooxml.version}</version>
        </dependency>
        <dependency>
            <groupId>fr.opensagres.xdocreport</groupId>
            <artifactId>xdocreport</artifactId>
            <version>${xdocreport.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml-schemas</artifactId>
            <version>${poi-ooxml-schemas.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>ooxml-schemas</artifactId>
            <version>${ooxml-schemas.version}</version>
        </dependency>
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>${jsoup.version}</version>
        </dependency>

word转html，对于word2003和word2007转换方式不一样，因为word2003和word2007的格式不一样，工具类如下：

使用方法如下：

public String uploadSourceNews(MultipartFile file)  {
        String fileName=file.getOriginalFilename();
        String suffixName=fileName.substring(fileName.lastIndexOf("."));
        if (!".doc".equals(suffixName) && !".docx".equals(suffixName)) {
            throw new UploadFileFormatException();
        }
        DateTimeFormatter formatter=DateTimeFormatter.ofPattern("yyyyMM");
        String dateDir=formatter.format(LocalDate.now());
        String directory=imageDir + "/" + dateDir + "/";
        String content=null;
        try {
            InputStream inputStream=file.getInputStream();
            if ("doc".equals(suffixName)) {
                content=wordToHtmlUtil.Word2003ToHtml(inputStream, imageBucket, directory, Constants.HTTPS_PREFIX + imageVisitHost);
            } else {
                content=wordToHtmlUtil.Word2007ToHtml(inputStream, imageBucket, directory, Constants.HTTPS_PREFIX + imageVisitHost);
            }
        } catch (Exception ex) {
            logger.error("word to html exception, detail:", ex);
            return null;
        }
        return content;
    }

关于doc和docx的一些存储格式介绍：

docx 是微软开发的基于 xml 的文字处理文件。docx 文件与 doc 文件不同, 因为 docx 文件将数据存储在单独的压缩文件和文件夹中。早期版本的 microsoft office (早于 office 2007) 不支持 docx 文件, 因为 docx 是基于 xml 的, 早期版本将 doc 文件另存为单个二进制文件。

DOCX is an XML based word processing file developed by Microsoft. DOCX files are different than DOC files as DOCX files store data in separate compressed files and folders. Earlier versions of Microsoft Office (earlier than Office 2007) do not support DOCX files because DOCX is XML based where the earlier versions save DOC file as a single binary file.

可能你会问了，明明是docx结尾的文档，怎么成了xml格式了？

很简单:你随便选择一个docx文件，右键使用压缩工具打开，就能得到一个这样的目录结构：

所以你以为docx是一个完整的文档，其实它只是一个压缩文件。

参考：

https://www.cnblogs.com/ct-csu/p/8178932.html

日分享最新，最流行的软件开发知识与最新行业趋势，希望大家能够一键三连，多多支持，跪求关注，点赞，留言。

本文讨论了对 HTML 代码可视化文档的需求，并提供了一个免费的 API 解决方案，可将 HTML 字符串转换为 PNG 屏幕截图。

自 20 世纪 80 年代后期的构想以来，超文本标记语言 (HTML) 一直是在线显示网页的关键元素。这种无处不在的编程语言继续提供详细的框架，用于构建我们在 Web 上看到和交互的内容，允许我们以纯文本代码格式化文本和多媒体组件，这很简单，可以在需要时进行更改。
HTML 的转变
与几乎所有编程语言的情况一样，HTML自推出以来的几十年中已经转变为包含许多新功能，以适应典型的当代压力，例如社区反馈/批评和相邻 Web 开发技术的快速发展。在现代 HTML 代码的输出中，我们可以很容易地看到这种转换的结果；例如，最近的 HTML 迭代——HTML5，于 2014 年推出——提供了用于嵌入视频和音频文件的新的、简单的元素，以及移动显示和整体移动功能中急需的改进。

当然，新元素和显示质量的改进并不是网站的 HTML 代码会随着时间的推移可靠地改变的唯一原因。网站不断设计和重新设计，可能是为了创新，也是为了响应用户反馈产生的趋势。例如，2014 年开发的网站很可能融合了各种当代设计趋势，而与当年 HTML5 中引入的变化无关。在该项目之后的几年里，该网站的开发人员可能会发现自己至少多次重复了他们的 HTML 代码的一部分，同时一直在为不可避免的 HTML6 发布和最终合并其新的和改进的功能而构建。

鉴于 HTML 开发中的这些自然进展，出现了一个重要问题：我们如何有效地跟踪和记录我们网站 HTML 代码的增长？考虑到 HTML 输出的固有视觉特性，答案相对简单。我们可以轻松地以静态二维图像文件（屏幕截图）的形式存储 HTML 网站的迭代，并且我们可以相对轻松地以编程方式完成此转换。

网页截图
捕获 HTML 屏幕截图具有大量实际的业务应用程序。当为网站编写新的 HTML 代码时，渲染该 HTML 代码输出的图像作为一种简单、易于共享的“状态检查”，用于检查其内容在给定时间点如何显示在 Web 浏览器上。出于同样的原因，这样的屏幕截图提供了一种极好的方法来快速测试 HTML 代码的新的、实验性的迭代，使开发人员可以轻松地创建和存储开发中项目的各种版本——包括成功的和不成功的。屏幕截图还为实时网站中不可避免的问题提供了一种理想的可视化记录方式，从而更容易跟踪棘手的问题并跟踪它们在不同设备、浏览器或操作系统上的显示方式。

教程
本教程的目的是提供一个简单、免费、易于使用的 API 解决方案，用于在 Java 中将 HTML 字符串转换为 PNG 屏幕截图。此 API 将完整呈现网站，返回 HTML 在常规 Web 浏览器视图中显示内容的屏幕截图。它支持所有现代、高级的 Web 开发功能，包括与 HTML5、CSS、JavaScript等相关的功能。为方便起见，页面下方提供了现成的 Java 代码示例，以帮助您轻松构建 API 调用。

该接口有两个必填的请求参数，包括以下内容：

你的 HTML 字符串
一个免费的 Cloudmersive API 密钥（您可以通过访问我们的网站并注册一个免费帐户来获得一个）。
除了上述强制输入外，此 API 还提供了几个可选参数，允许进一步自定义您的输入请求。这些可选参数包括以下内容：

Extra loading wait：网页完成加载后截屏前等待的额外毫秒数（对于非常异步的网站很有帮助）。
屏幕截图高度：屏幕截图的所需高度，以像素表示（默认为 1280 x 1024）。提供整数“0”会触发默认设置，而提供整数“-1”会要求 API 测量并尝试屏幕高度屏幕截图。
屏幕截图宽度：屏幕截图的所需宽度，以像素表示（也默认为标准 1280 x 1024 测量值）。提供整数“0”或“-1”会产生与上述“屏幕截图高度”参数中所述相同的结果。
在其响应中，此 API 将提供一个包含新 PNG 文件编码的字符串。

要在Java中构建 API 调用，第一步是安装 SDK。这可以使用 Maven 来完成，方法是首先将以下引用添加到存储库中pom.xml：

<repositories>
<repository>
<id>jitpack.io</id>
<url>https://jitpack.io</url>
</repository>
</repositories>

之后，将下面的引用添加到依赖项中pom.xml：

<dependencies>
<dependency>
<groupId>com.github.Cloudmersive</groupId>
<artifactId>Cloudmersive.APIClient.Java</artifactId>
<version>v4.25</version>
</dependency>
</dependencies>

要改为使用 Gradle 安装SDK，请在根目录build.gradle（存储库末尾）中添加您的引用：

allprojects {
repositories {
...
maven { url 'https://jitpack.io' }
}
}


然后添加依赖项build.gradle：

dependencies {
implementation 'com.github.Cloudmersive:Cloudmersive.APIClient.Java:v4.25'
}


安装完成后，剩下的就是复制并粘贴以下代码示例，并完成如上所述的强制和可选请求参数：

// Import classes:
//import com.cloudmersive.client.invoker.ApiClient;
//import com.cloudmersive.client.invoker.ApiException;
//import com.cloudmersive.client.invoker.Configuration;
//import com.cloudmersive.client.invoker.auth.*;
//import com.cloudmersive.client.ConvertWebApi;

ApiClient defaultClient=Configuration.getDefaultApiClient();

// Configure API key authorization: Apikey
ApiKeyAuth Apikey=(ApiKeyAuth) defaultClient.getAuthentication("Apikey");
Apikey.setApiKey("YOUR API KEY");
// Uncomment the following line to set a prefix for the API key, e.g. "Token" (defaults to null)
//Apikey.setApiKeyPrefix("Token");

ConvertWebApi apiInstance=new ConvertWebApi();
HtmlToPngRequest input=new HtmlToPngRequest(); // HtmlToPngRequest | HTML to PNG request parameters
try {
byte[] result=apiInstance.convertWebHtmlToPng(input);
System.out.println(result);
} catch (ApiException e) {
System.err.println("Exception when calling ConvertWebApi#convertWebHtmlToPng");
e.printStackTrace();
}


一旦你完成了这一步，你就大功告成了——你现在可以调用这个 API 并轻松地将 HTML 字符串呈现为 PNG 屏幕截图。

注意： 您的免费层级 API 密钥将提供每月 800 次 API 调用的限制，无需承诺。一旦达到该限制，您的总数将在下个月重置。