Skip to content
DemoFAQ

PDF 生成模板编辑器

开源可视化 PDF 生成引擎,支持自定义模板,并提供面向开发者的 API,灵活构建文档生成流程。

查看 GitHub

PDF 转 HTML ​

概述 ​

ComPDF Conversion SDK 提供了 PDF 转 HTML 的功能,可以将 PDF 文件转换为 HTML 文件,同时保持原始文档的内容布局和格式,可供用户在浏览器中对文档进行搜索和浏览。

转换选项 ​

该格式只使用 HtmlOptions 中的以下选项,其他选项不生效:

选项默认值含义
HtmlOptionHtmlPageOption.e_SinglePageHtmlPageOption.e_SinglePage:一个 HTML 文件;HtmlPageOption.e_SinglePageWithBookmark:一个 HTML 文件并带大纲导航;HtmlPageOption.e_MultiPage:每页一个 HTML 文件;HtmlPageOption.e_MultiPageWithBookmark:每页一个 HTML 文件,带大纲导航和上一页/下一页链接。只有 PDF 带大纲时才生成导航。
LayoutModePageLayoutMode.e_FlowPageLayoutMode.e_Flow:流式 HTML;PageLayoutMode.e_Box:绝对定位的块。
EnableAiLayouttrue使用 AI 版面分析识别段落、表格、图片、页眉页脚和公式;关闭时使用基于规则的版面分析。许可证不含 AI 版面分析权限时不生效。
EnableAiTableRecognitiontrue使用表格模型识别表格结构;关闭时根据表格线重建表格结构。只对 AI 版面分析(EnableAiLayout 开启)找到的表格生效。
TableRecognitionAccuracyTableRecognitionAccuracy.e_Balanced表格模型:TableRecognitionAccuracy.e_Balanced 使用基础模型 documentai.model,TableRecognitionAccuracy.e_HighAccuracy 使用 table_legacy.model 模型包。只在使用内置表格模型进行 AI 表格识别时生效。未加载对应精度的模型时,转换仍然成功,表格改用基于规则的方式识别。
ContainImagetrue保留源文件中的图片和矢量图形(写入 HTML 文件旁的资源文件夹);关闭时不输出。
ContainAnnotationtrue将注释的外观以图片输出。只对未经 OCR 识别的 PDF 页面生效。
EnableOCRfalse在 OcrOption 选定的页面上用 OCR 识别文字。许可证不含 OCR 权限时不生效。
OcrOptionOCROption.e_AllOCR 处理的范围:OCROption.e_All 识别所有页面;OCROption.e_ScanPage 只识别图片(扫描)页面;OCROption.e_InvalidCharacter 重新识别其他页面上无法读取的字符;OCROption.e_InvalidCharacterAndScanPage 两者都做。只在 EnableOCR 开启时生效。
Languages{ OCRLanguage.e_ENGLISH }OCR 识别语言;未指定语言时使用英文。只在 EnableOCR 开启时生效。
EnableDocumentOrientationClassificationfalseOCR 前检测页面旋转方向并将页面图像转正。只在 EnableOCR 开启时生效。
EnableDocumentDewarpfalseOCR 前对弯曲、变形的页面照片做矫正展平。只在 EnableOCR 开启时生效。
FormulaToImagetrue将公式以图片输出;关闭时以可编辑文本输出。只对 AI 版面分析(EnableAiLayout 开启)找到的公式生效。
OutputDocumentPerPagefalse每页单独进行一次 HTML 转换。
PageRanges空要转换的页码,如 "1-3,5,7-9";为空时转换所有页。多帧图片输入时用于选择帧。
EnableAutoPageSizefalse仅图片输入:根据图片分辨率确定页面尺寸,并匹配到最接近的标准纸张;关闭时一个像素对应一个点(pt)。
CustomPageWidth / CustomPageHeight0仅图片输入:以点(pt,1 pt = 1/72 英寸)为单位指定页面宽和高,两者都须大于 0。优先于 EnableAutoPageSize。

调用示例:

c#
HtmlOptions htmlOptions = new HtmlOptions();
htmlOptions.HtmlOption = HtmlPageOption.e_MultiPageWithBookmark;
htmlOptions.LayoutMode = PageLayoutMode.e_Box;
ErrorCode error = CPDFConversion.StartPDFToHtml("input.pdf", "password", "path/output.html", htmlOptions);

注意事项 ​

在进行 PDF 转换 HTML 格式时,ComPDF Conversion SDK 提供了以下四种转换样式:

选项描述
HtmlPageOption.e_SinglePage将整个 PDF 文件转换为单个 HTML 文件,所有 PDF 页面按页码先后顺序,首尾相连,展示在同一 HTML 页面中。
HtmlPageOption.e_SinglePageWithBookmark将PDF文件转换为单个Html文件,所有PDF页面的内容均在同一页面,且页面内容连续。同时,该选项会在Html页面中添加一个书签导航栏,用于快速定位到指定页面。
HtmlPageOption.e_MultiPage将 PDF 文件转换为多个 HTML 文件。每个 HTML 文件对应一个 PDF 页面,可通过页面下方链接跳转到下一页面(即另一个 HTML 页面)。
HtmlPageOption.e_MultiPageWithBookmark将 PDF 文件转换为多个 HTML 文件,每个 HTML 文件对应一个 PDF 页面,可通过页面下方链接跳转到下一页面(即另一个 HTML 页面)。所有的 HTML 页面会有一个大纲 HTML 页面进行导航,点击大纲可跳转到对应的 HTML 页面。

示例 ​

以下是完整的示例代码,演示了如何将 PDF 文档转换为 HTML 文档。

c#
string inputFilePath = "***";
string password = "***";
string outputFileName = "***";

HtmlOptions htmlOptions = new HtmlOptions();
ErrorCode error = CPDFConversion.StartPDFToHtml(inputFilePath, password, outputFileName, htmlOptions);