Python3.x：pdf2htmlEX（解析pdf）安裝和使用

簡介

pdf2htmlEX是一款優秀的pdf轉換成html的工具；

下載

windows下載地址：http://soft.rubypdf.com/software/pdf2htmlex-windows-version

安裝

下載pdf2htmlEX-win32-0.14.6-with-poppler-data.zip后，直接解壓，即可用；

測試

在dos窗口中切換到解壓目錄：

cd /d D:\pdf2htmlEX-win32-0.14.6

輸入測試命令：

pdf2htmlex -v

結果如下圖，表示安裝成功；

pdf2html命令用法

用法: pdf2htmlEX [options] <input.pdf> [<output.html>]  
  -f,--first-page <int>         需要轉換的起始頁 (默認: 1)  
  -l,--last-page <int>          需要轉換的最后一頁 (默認: 2147483647)  
  --zoom <fp>                   縮放比例  
  --fit-width <fp>              適合寬度 <fp> 像素  
  --fit-height <fp>             適合高度 <fp> 像素  
  --use-cropbox <int>           使用剪切框 (default: 1)  
  --hdpi <fp>                   圖像水平分辨率 (default: 144)  
  --vdpi <fp>                   圖像垂直分辨率 (default: 144)  
  --embed <string>              指定哪些元素應該被嵌入到輸出  
  --embed-css <int>             將CSS文件嵌入到輸出中 (default: 1)  
  --embed-font <int>            將字體文件嵌入到輸出中 (default: 1)  
  --embed-image <int>           將圖片文件嵌入到輸出中 (default: 1)  
  --embed-javascript <int>      將javascript文件嵌入到輸出中 (default: 1)  
  --embed-outline <int>         將鏈接嵌入到輸出中 (default: 1)  
  --split-pages <int>           將頁面分割為單獨的文件 (default: 0)  
  --dest-dir <string>           指定目標目錄 (default: ".")  
  --css-filename <string>       生成的css文件的文件名 (default: "")  
  --page-filename <string>      分割的網頁名稱  (default:"")  
  --outline-filename <string>   生成的鏈接文件名稱 (default:"")  
  --process-nontext <int>       渲染圖行，文字除外 (default: 1)  
  --process-outline <int>       在html中顯示鏈接 (default: 1)  
  --printing <int>              支持打印 (default: 1)  
  --fallback <int>              在備用模式下輸出 (default: 0)  
  --embed-external-font <int>   嵌入局部匹配的外部字體 (default: 1)  
  --font-format <string>        嵌入的字體文件后綴 (ttf,otf,woff,svg) (default: "woff")  
  --decompose-ligature <int>    分解連字-> fi (default:0)  
  --auto-hint <int>             使用fontforge的autohint上的字體時不提示 (default: 0)  
  --external-hint-tool <string> 字體外部提示工具 (overrides --auto-hint) (default: "")  
  --stretch-narrow-glyph <int>  伸展狹窄的字形，而不是填充 (default: 0)  
  --squeeze-wide-glyph <int>    收縮較寬的字形，而不是截斷 (default: 1)  
  --override-fstype <int>       clear the fstype bits in TTF/OTF fonts (default:0)  
  --process-type3 <int>         convert Type 3 fonts for web (experimental) (default: 0)  
  --heps <fp>                   合並文本的水平臨界值，單位：像素(default: 1)  
  --veps <fp>                   vertical threshold for merging text, in pixels (default: 1)  
  --space-threshold <fp>        斷字臨界值 (臨界值 * em) (default:0.125)  
  --font-size-multiplier <fp>   一個大於1的值增加渲染精度 (default: 4)  
  --space-as-offset <int>       把空格字符作為偏移量 (default: 0)  
  --tounicode <int>             如何處理ToUnicode的CMap (0=auto, 1=force,-1=ignore) (default: 0)  
  --optimize-text <int>         盡量減少用於文本的HTML元素的數目 (default: 0)  
  --bg-format <string>          指定背景圖像格式 (default: "png")  
  -o,--owner-password <string>  所有者密碼 (為了加密文件)  
  -u,--user-password <string>   用戶密碼 (為了加密文件)  
  --no-drm <int>                覆蓋文檔的 DRM 設置 (default: 0)  
  --clean-tmp <int>             轉換后刪除臨時文件 (default: 1)  
  --data-dir <string>           指定的數據目錄 (default: ".\share\pdf2htmlEX")  
  --debug <int>                 打印調試信息 (default: 0)  
  -v,--version                  打印版權和版本信息  
  -h,--help                     打印使用幫助信息  

python3中調用pdf2htmlex示例