使用 Python 将 PDF 转换为 HTML [重复]

Posted 2023-02-24

【中文标题】使用 Python 将 PDF 转换为 HTML [重复]

【英文标题】：Converting PDF to HTML with Python [duplicate]

【发布时间】：2010-09-21 13:03:41

【问题描述】：

如何使用 Python 将 PDF 文件转换为 html？

我在单独考虑 Google 所做（或似乎正在做的）索引 PDF 文件的工作。

我的最终目标是设置 Apache 以显示 PDF 文件的 HTML，因此任何引导我朝这个方向发展的东西也将不胜感激。

【参考方案1】：

poppler 包提供了一个您可以使用的 pdf2html 实用程序。 libpoppler 还有一个Python binding。

【讨论】：

python 绑定主要用于在 GTK 小部件/ui 中呈现 PDF，所以我不确定它在这里会有所帮助。

我并没有真正使用它，但它确实暴露了 poppler_page_get_text，这可能对 OP 有用。

对，但如果这就是 OP 想要的全部，这似乎是对 GTK/Glib 绑定​​的一大浪费，特别是因为还有其他更简单的方法不依赖于 UI 工具包（例如你提到的 pdf2html） .我应该说我通常喜欢绑定，并且是原作者。不过在这种情况下可能不是。