PDF怎么转成HTML文档？转换方法和步骤介绍

DF与HTML是两种不同格式的文件，PDF是一种常见的便携式文档，HTML是一种常见的网页格式，这两种看似相差甚远的文件甚至可以转换。一些网站编辑需要将存储数据的PDF文件转换为存储数据的HTML网站内容，这种方便直接将HTML嵌入到网页模板中。那么你知道PDF是如何转换成HTML文档的吗？以下与您分享。

方法一：风云PDF软件

HTML将需要转换成HTMLPDF将文件上传到相应的功能页面，这个网站可以支持批量转换，每个人都可以上传多个文件；

在将PDF转换为HTML之前，先选择文件转换的页码，其中可选择转换每一页、奇数页、偶数页、指定页；

此后可点击“开始转换”按钮，文档转换成功后，可在浏览器上观看相应的HTML文档。

方法二：风云PDF在线网页

在浏览器中打开风云PDF在线网站，并选择PDF转换到网站首页的功能栏。HTML。

在线PDF转换为HTML，PDF文档可以直接转换为HTML网页格式，文档成功转换后，可以在浏览器上观看HTML格式文档，其原有的PDF页面元素和排版都能准确保存。

方法三：WPS办公组

文档转换成功后，其PDF页面元素和排版都能准确保存；

PDF到HTML转换速度快，精度高；

转换过程中，操作简单，使用方便。

以上是如何将PDF转换成HTML文档的相关内容，如果你对此感兴趣，你可以学习，风云PDF在线网站不仅可以实现PDF和HTML转换，还有很多不同格式文件的转换哦！

司的某项业务需要与用户线上签订协议，即用户在线手写一个签名，后台将公司公章信息和用户的签名以及合同信息生成一份PDF文件，供用户查看和下载。

比对了一些插件，我们最终决定使用dompdf这个插件，插件的github在这里：https://github.com/dompdf/dompdf。

1. 使用方法

安装可以使用composer或者直接下载源代码，使用require或者include引入。
具体的使用方式，可以参考以下示例代码。

// 引入命名空间
use Dompdf\Dompdf;
// 初始化dompdf对象
$dompdf=new Dompdf();
// 加载html文档内容
$dompdf->loadHtml('hello world');
// 设置纸张类型和方向
$dompdf->setPaper('A4', 'landscape');
// 渲染HTML为PDF
$dompdf->render();
// 流输出
$dompdf->stream();

2. 常见问题和解决办法

2.1 中文乱码的问题

插件对于字体和编码问题是这样形容的：

PDF documents internally support the following fonts: Helvetica, Times-Roman, Courier, Zapf-Dingbats, & Symbol. These fonts only support Windows ANSI encoding. In order for a PDF to display characters that are not available in Windows ANSI, you must supply an external font. Dompdf will embed any referenced font in the PDF so long as it has been pre-loaded or is accessible to dompdf and reference in CSS @font-face rules. See the font overview for more information on how to use fonts.The DejaVu TrueType fonts have been pre-installed to give dompdf decent Unicode character coverage by default. To use the DejaVu fonts reference the font in your stylesheet, e.g. body { font-family: DejaVu Sans; } (for DejaVu Sans). The following DejaVu 2.34 fonts are available: DejaVu Sans, DejaVu Serif, and DejaVu Sans Mono.

尝试了一下，默认带的字体是无法渲染中文的，使用CSS的@font-face引入会报错（也可能是我打开方式不对）。这样就只好自己引入一个字体了。

插件给了一个安装语言文件的工具，地址再这里：https://github.com/dompdf/utils。

使用步骤：

下载或者复制load_font.php文件，放到dompdf文件夹内，与src和test文件夹同级
修改load_font.php文件中引入的autoload.php为项目实际的位置
在命令行中执行php load_font.php simkai /path/to/simkai.ttf

这样，我们就可以在html文档的css中使用font-family属性来指定字体了。

html {
 font-family: simkai;
}

2.2 图片无法展示

插件应该是无法直接显示网络图片，所以需要将图片转换为BASE64格式才能显示。

将HTML文档中的所有图片转换为BASE64的方式：

function imgToBase64($html) {
 $html=preg_replace_callback('/<img(?:.*?)src="(.*?)"(?:.*?)\/?>/', function($matches) {
 $imageInfo=getimagesize($matches[1]);
 $base64="" . chunk_split(base64_encode(file_get_contents($matches[1])));
 $base64_image='data:' . $imageInfo['mime'] . ';base64,' . $base64;
 return str_replace($matches[1], $base64_image, $matches[0]);
 }, $html);
 return $html;
}

这样转换其实性能影响挺大的，感觉性能不太好可以加一下缓存。

喽，今天是一篇HTML to PDF速食指南。

Java 转换 HTML 到PDF有许多类库，今天我们介绍一下第三方免费的类库OpenPDF。

1. OpenPDF

OpenPDF是免费的Java类库，遵从LGPL 和 MPL协议，所以基本上能够可以随意使用。OpenPDF是基于iTEXT的，目前来说也是维护的比较好的Java操作PDF的开源软件。

话不多说，且看所需要的依赖，

<dependency>    
    <groupId>org.jsoup</groupId>    
    <artifactId>jsoup</artifactId>   
    <version>1.13.1</version> 
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-core</artifactId>
    <version>1.0.6</version>
</dependency>
<dependency>
    <groupId>com.openhtmltopdf</groupId>
    <artifactId>openhtmltopdf-pdfbox</artifactId>
    <version>1.0.6</version>
</dependency>

jsoup可以将html文件转换成输入流等，也可以遍历html的DOM节点，提取元素及样式等。

2. 示例

本篇示例将以下html文件转换成pdf

<html>
<head>
    <style>
        .center_div {
            border: 1px solid #404e94;
            margin-left: auto;
            margin-right: auto;
            background-color: #f6d0ed;
            text-align: left;
            padding: 8px;
        }
        table {
            width: 100%;
            border: 1px solid black;
        }
        th, td {
            border: 1px solid black;
        }
        body,html,input{font-family:"msyh";}
    </style>
</head>
<body>
<div class="center_div">
    <h1>Hello java North!</h1>
    <div>
        <p>convert html to pdf.</p>
    </div>
    <div>
        <table>
            <thead>
                <th>ROLE</th>
                <th>NAME</th>
                <th>TITLE</th>
            </thead>
            <tbody>
                <tr>
                    <td>MARKSMAN</td>
                    <td>ASHE</td>
                    <td>THE FROST ARCHER</td>
                </tr>
                <tr>
                    <td>MAGES</td>
                    <td>ANNIE</td>
                    <td>THE DARK CHILD</td>
                </tr>
                <tr>
                    <td>射手</td>
                    <td>凯塔琳</td>
                    <td>皮城女警</td>
                </tr>
            </tbody>
        </table>
    </div>
</div>
</body>
</html>

以上html用浏览器打开如下，乱码是因为中文字体不识别，下面转换的时候会加载对应的字体来进行转换。

使用Java转换HTML到PDF代码如下：

public class HtmlToPDFOpenSource {
    public static void main(String[] args) throws IOException {
        HtmlToPDFOpenSource htmlToPDFOpenSource=new HtmlToPDFOpenSource();
        htmlToPDFOpenSource.generatePdfByOpenhtmltopdf();
    }

    private  void generatePdfByOpenhtmltopdf() throws IOException {
        File inputHtml=new File("E:\\javaNorth\\java-study-note\\javaOpenSource\\src\\main\\resources\\test.html");

        //加载html文件
        Document document=Jsoup.parse(inputHtml, "UTF-8");
        document.outputSettings().syntax(Document.OutputSettings.Syntax.html);
        
        //引入资源目录，可以单独引入css，图片文件等
        String baseUri=FileSystems.getDefault()
            .getPath("javaOpenSource\\src\\main\\resources")
            .toUri().toString();
       
        try (OutputStream os=new FileOutputStream("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf")) {
            PdfRendererBuilder builder=new PdfRendererBuilder();
            builder.withUri("javaOpenSource\\src\\main\\resources\\testOpenLeagueoflegends1.pdf");
            builder.toStream(os);
            builder.withW3cDocument(new W3CDom().fromJsoup(document), baseUri);
            
            //引入指定字体，注意字体名需要和css样式中指定的字体名相同
            builder.useFont(new File("javaOpenSource\\src\\main\\resources\\fonts\\msyh.ttf"),"msyh",1,BaseRendererBuilder.FontStyle.NORMAL, true);
            builder.run();
        }
    }
}

使用Java代码转换成PDF如下（示例中使用了微软雅黑中文字体）：

上述html文件中增加如下外部样式：

<link href="style.css" rel="stylesheet">

并在resources目录下添加style.css文件，重新生成PDF文件如下。

3. 总结

本片介绍了使用OpenPDF将html文件转换成PDF文件。同时也使用了自定义字体，外部样式。但是以下几点需要格外注意。

Java代码中加载的字体名称要和HTML引用的CSS样式中的字体名相同（{font-family:"msyh";}）。
HTML文件标签节点必须闭合（<xxx></xxx>）.否则解析会失败。

全部示例在此：https://github.com/javatechnorth/java-study-note/tree/master/javaOpenSource/src/main/java/pdf

文章来源：Java技术指北

在线咨询

上一篇：Markdown表格合并
下一篇：2018年JavaScript生态圈调查报告出炉！

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

整合营销服务商

PDF怎么转成HTML文档？转换方法和步骤介绍

1. OpenPDF

2. 示例

3. 总结

您的项目需求