李金峰

摘要：pdf向html的文档格式转换是网络阅读平台较为常用的技术，具体实现的方法比较多，该文主要介绍了基于pdf2htmlEX免费工具在.NET平台中使用C#语言实现pdf向html的格式转换的方法。该方法实现的pdf向html格式转换的效果良好，生成的html文档字体清晰，排版准确，与pdf原文档效果差别不大。

关键词：pdf2htmlEX；pdf；html；格式转换

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）09-0102-03

1 背景

目前，网络阅读平台在线阅读pdf文档的较为流行的解决方案是将pdf文档转换成swf格式，然后使用flash播放器进行播放。该解决方案的缺点较多：一，对于没有安装flash播放器的用户，pdf文档内容可能不能正常显示；二，使用flash在线播放容易导致清晰度降低，影响阅读；三，用户无法复制其中的内容；四，对屏幕尺寸各异的移动设备缺乏自适应能力。将pdf转换成html文档则可以解决上述问题。

网络上和文献中分享的该领域的技术大部分是通过Java语言实现的。笔者通过查阅文献和相关技术资料，结合本人的开发实践，提供了.NET（C#）中基于pdf2htmlEX开源工具的格式转换器的实现技术。

2 使用pdf2htmlEX在.NET（C#）中实现pdf向html的转换

2.1 pdf2htmlEX介绍

pdf 转换为html（下文部分地方简称为pdf2html）的技术思路是将pdf文档中的文字、图片、字体等信息提取出来，然后按照html的语法写入html文档中[1]。pdf2htmlEX是免费使用的可高保真地对pdf至html转换的工具，作者为王璐，在网上能找到较多的版本，笔者所使用的版本的下载地址是：http：//download.csdn.net/detail/zhouyifan2009/8552783。pdf2htmlEX的主要特点有以下四个：首先，它能准确提取字体，保证最大限度地原样输出；第二，保证渲染准确性，针对Web进行优化，如对文件进行必要的压缩等；……