李金峰

摘要：pdf向html的文檔格式轉換是網絡閱讀平臺較為常用的技術，具體實現的方法比較多，該文主要介紹了基于pdf2htmlEX免費工具在.NET平臺中使用C#語言實現pdf向html的格式轉換的方法。該方法實現的pdf向html格式轉換的效果良好，生成的html文檔字體清晰，排版準確，與pdf原文檔效果差別不大。

關鍵詞：pdf2htmlEX；pdf；html；格式轉換

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2016）09-0102-03

1 背景

目前，網絡閱讀平臺在線閱讀pdf文檔的較為流行的解決方案是將pdf文檔轉換成swf格式，然后使用flash播放器進行播放。該解決方案的缺點較多：一，對于沒有安裝flash播放器的用戶，pdf文檔內容可能不能正常顯示；二，使用flash在線播放容易導致清晰度降低，影響閱讀；三，用戶無法復制其中的內容；四，對屏幕尺寸各異的移動設備缺乏自適應能力。將pdf轉換成html文檔則可以解決上述問題。

網絡上和文獻中分享的該領域的技術大部分是通過Java語言實現的。筆者通過查閱文獻和相關技術資料，結合本人的開發(fā)實踐，提供了.NET（C#）中基于pdf2htmlEX開源工具的格式轉換器的實現技術。

2 使用pdf2htmlEX在.NET（C#）中實現pdf向html的轉換

2.1 pdf2htmlEX介紹

pdf 轉換為html（下文部分地方簡稱為pdf2html）的技術思路是將pdf文檔中的文字、圖片、字體等信息提取出來，然后按照html的語法寫入html文檔中[1]。pdf2htmlEX是免費使用的可高保真地對pdf至html轉換的工具，作者為王璐，在網上能找到較多的版本，筆者所使用的版本的下載地址是：http：//download.csdn.net/detail/zhouyifan2009/8552783。pdf2htmlEX的主要特點有以下四個：首先，它能準確提取字體，保證最大限度地原樣輸出；第二，保證渲染準確性，針對Web進行優(yōu)化，如對文件進行必要的壓縮等；第三，其他內容用背景圖片的形式顯示；第四，單文件輸出，即轉換結果是生成一個html文件，圖片等信息不存放在單獨的文件中。[2]

2.2 實現步驟

pdf2htmlEX工具是控制臺程序，沒有自己的用戶界面（點擊pdf2htmlEX.exe文件時，程序窗口一閃而過，用戶不能直接使用），必須由操作系統自帶的cmd.exe調用或者其他第三方程序調用來實現它的功能。本文將介紹C#語言編寫程序調用pdf2htmlEX.exe實現pdf2html的功能。具體步驟如下。

1）創(chuàng)建項目

通過Visual Studio 2013（筆者的開發(fā)工具，也可以使用其他版本的Visual Studio），創(chuàng)建Windows窗體應用程序。

2）添加控件和修改屬性

創(chuàng)建項目后，在默認生成的Form1窗體添加Label和Button控件，并且修改它們的（Name）和Text屬性。如圖1所示。

窗體界面簡單，共有4個Label控件和1個Button控件。其中“選擇文件”Label控件的作用是，用戶點擊后彈出一個打開文件的對話框，以選擇需要轉換格式的pdf文件；“選擇保存路徑”Label控件的作用是，用戶點擊后彈出保存文件對話框，以指定生成的html文件的保存路徑?！案袷睫D換”Button控件用于執(zhí)行文件的格式轉換。

3）編寫實現代碼

實現代碼分為三部分，一是選擇文件的實現代碼，二是選擇文件保存路徑的實現代碼，三是進行文件格式轉換（pdf2html）的實現代碼。

①選擇文件的實現代碼。鼠標雙擊“選擇文件”Label控件，進入代碼編寫界面，添加實現代碼如下：

//定義string類型的變量，以存放pdf文件路徑

string pdfFilePath = null；