有没有办法在Perl中使用Acrobat Reader将多个PDF文件保存为HTML文件？

Question

我使用Xpdf提取PDF文件与-raw方法适用文字，但现在我们要的PDF文件，HTML文件转换为提取HTML格式化标签，如大胆<b>，斜体<我>等与文本。 Xpdf与选项确实工作，我也尝试使用pdf2html这个，但没有找到它可靠的标签，如<sup>和<sub>在哪里丢失。

我们现在使用Acrobat Reader将PDF文件保存为HTML文件，该文件为我们提供了所有HTML格式标签。

有没有办法在Perl中使用Acrobat Reader将多个PDF文件保存为HTML文件？

谢谢。

Answer 1

PDF样式信息完全是任意的，不能以任何有意义的方式可靠地映射到HTML。我碰到的一个策略是使用-xml选项pdftohtml，然后使用LibXML将一些启发式应用于输出，并提供合理的HTML原始文档近似值。