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。
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。
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 |
|---|---|---|
HtmlOption | HtmlPageOption.e_SinglePage | HtmlPageOption.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。 |
LayoutMode | PageLayoutMode.e_Flow | PageLayoutMode.e_Flow:流式 HTML;PageLayoutMode.e_Box:绝对定位的块。 |
EnableAiLayout | true | 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。 |
EnableAiTableRecognition | true | 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。 |
TableRecognitionAccuracy | TableRecognitionAccuracy.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。 |
ContainImage | true | 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。 |
ContainAnnotation | true | 将注释的外观以图片输出。只对未经 OCR 识别的 PDF 页面生效。 |
EnableOCR | false | 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。 |
OcrOption | OCROption.e_All | OCR 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。 |
EnableDocumentOrientationClassification | false | OCR 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。 |
EnableDocumentDewarp | false | OCR 前对弯曲、变形的页面照片做矫正展平。只在 EnableOCR 开启时生效。 |
FormulaToImage | true | 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。 |
OutputDocumentPerPage | false | 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。 |
EnableAutoPageSize | false | 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 / CustomPageHeight | 0 | 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:
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);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。 |
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。
string inputFilePath = "***";
string password = "***";
string outputFileName = "***";
HtmlOptions htmlOptions = new HtmlOptions();
ErrorCode error = CPDFConversion.StartPDFToHtml(inputFilePath, password, outputFileName, htmlOptions);