Python3.x：pdf2htmlEX（解析pdf）安装和使用

简介

pdf2htmlEX是一款优秀的pdf转换成html的工具；

下载

windows下载地址：http://soft.rubypdf.com/software/pdf2htmlex-windows-version

安装

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

测试

在dos窗口中切换到解压目录：

cd /d D:\pdf2htmlEX-win32-0.14.6

输入测试命令：

pdf2htmlex -v

结果如下图，表示安装成功；

pdf2html命令用法

用法: pdf2htmlEX [options] <input.pdf> [<output.html>]
  -f,--first-page <int>         需要转换的起始页 (默认: 1)
  -l,--last-page <int>          需要转换的最后一页 (默认: 2147483647)
  --zoom <fp>                   缩放比例
  --fit-width <fp>              适合宽度 <fp> 像素
  --fit-height <fp>             适合高度 <fp> 像素
  --use-cropbox <int>           使用剪切框 (default: 1)
  --hdpi <fp>                   图像水平分辨率 (default: 144)
  --vdpi <fp>                   图像垂直分辨率 (default: 144)
  --embed <string>              指定哪些元素应该被嵌入到输出
  --embed-css <int>             将CSS文件嵌入到输出中 (default: 1)
  --embed-font <int>            将字体文件嵌入到输出中 (default: 1)
  --embed-image <int>           将图片文件嵌入到输出中 (default: 1)
  --embed-javascript <int>      将javascript文件嵌入到输出中 (default: 1)
  --embed-outline <int>         将链接嵌入到输出中 (default: 1)
  --split-pages <int>           将页面分割为单独的文件 (default: 0)
  --dest-dir <string>           指定目标目录 (default: ".")
  --css-filename <string>       生成的css文件的文件名 (default: "")
  --page-filename <string>      分割的网页名称  (default:"")
  --outline-filename <string>   生成的链接文件名称 (default:"")
  --process-nontext <int>       渲染图行，文字除外 (default: 1)
  --process-outline <int>       在html中显示链接 (default: 1)
  --printing <int>              支持打印 (default: 1)
  --fallback <int>              在备用模式下输出 (default: 0)
  --embed-external-font <int>   嵌入局部匹配的外部字体 (default: 1)
  --font-format <string>        嵌入的字体文件后缀 (ttf,otf,woff,svg) (default: "woff")
  --decompose-ligature <int>    分解连字-> fi (default:0)
  --auto-hint <int>             使用fontforge的autohint上的字体时不提示 (default: 0)
  --external-hint-tool <string> 字体外部提示工具 (overrides --auto-hint) (default: "")
  --stretch-narrow-glyph <int>  伸展狭窄的字形，而不是填充 (default: 0)
  --squeeze-wide-glyph <int>    收缩较宽的字形，而不是截断 (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>                   合并文本的水平临界值，单位：像素(default: 1)
  --veps <fp>                   vertical threshold for merging text, in pixels (default: 1)
  --space-threshold <fp>        断字临界值 (临界值 * em) (default:0.125)
  --font-size-multiplier <fp>   一个大于1的值增加渲染精度 (default: 4)
  --space-as-offset <int>       把空格字符作为偏移量 (default: 0)
  --tounicode <int>             如何处理ToUnicode的CMap (0=auto, 1=force,-1=ignore) (default: 0)
  --optimize-text <int>         尽量减少用于文本的HTML元素的数目 (default: 0)
  --bg-format <string>          指定背景图像格式 (default: "png")
  -o,--owner-password <string>  所有者密码 (为了加密文件)
  -u,--user-password <string>   用户密码 (为了加密文件)
  --no-drm <int>                覆盖文档的 DRM 设置 (default: 0)
  --clean-tmp <int>             转换后删除临时文件 (default: 1)
  --data-dir <string>           指定的数据目录 (default: ".\share\pdf2htmlEX")
  --debug <int>                 打印调试信息 (default: 0)
  -v,--version                  打印版权和版本信息
  -h,--help                     打印使用帮助信息  

python3中调用pdf2htmlex示例

原文地址：https://www.cnblogs.com/lizm166/p/8453584.html