通过Java阅读PDF并获取HTML内容

Question

我想要读取现有PDF文件，不仅可以获取文本，还可以获取格式信息，如：字体（粗体，斜体），段落，图像，表格。基本上我想写一个类似于PDF的HTML。

是否有这样做的代码库？我正在寻找一个开源库。

问候， 蒂娜阿格拉瓦尔

Answer 1

尝试PDFBox或iText。它们是开源的，可以处理文本，图像，表格等。

Answer 2

如果您想要一个精确版本的页面，您可能需要创建一个页面的图像并在其上放置隐藏文本。我们的博客http://www.jpedal.org/PDFblog/2012/08/4-ways-to-convert-pdf-to-html5/可以通过PDF到HTML转换查看一些可能的想法。