PDF 能轉成 HTML 嗎？如何轉換？

01-04

之前我也以為不能，結果今天發現了這個就搞定了：coolwanglu/pdf2htmlEX 路 GitHub，我嘗試過轉換有表格的PDF，發現非常完美，你可以去試試

PDF轉Html會遇到如下的情況：

1.掃描件PDF轉Html，這類PDF轉html很難，因為掃描件一個頁面就是一張圖。要轉Html需要進行文字識別，和圖文分離。這個是需要OCR引擎有相當的功力的。

2.普通PDF（非掃描件）轉板式的Html，這種直接轉換還是可以做到的，轉換出來的效果還算不出。當然還是會丟失一些信息，畢竟不用Html5是無法表達PDF裡面複雜的渲染和矢量圖的。

3.普通PDF（非掃描件）轉流失的Html，這就對PDF板式結構分析引擎的功力要求很高了，因為PDF丟失了很多流式的文檔信息，想要再還原出來只能靠轉換引擎去猜。這個技術在PDF裡面叫Reflow（版式重排），能夠機器智能重建PDF的流式信息，目前Adobe和Foxit兩家公司具備這個技術。當時就算如此，這個技術也不是萬能的，它智能讓轉換結果無限的趨近真實的效果，永遠無法做到100%。

PDF轉Html5是可行的，很快就能看到這樣的技術出現

雖然題目里沒說，但打上了Linux的標籤，我就說個可以在Linux完成的方法：

可以關注一下PDFTOHTML這個項目：http://pdftohtml.sourceforge.net/

PDF轉成HTML基本上必然會損失很多排版信息，而且這個工具也有不少bug，所以對這個工具期望值不用太高。

電子書管理軟體calibre可以把PDF轉成HTML，後台用的也是PDFTOHTML，calibre的作者正在自己寫PDF轉換插件，但目前還沒有完工。如果用calibre而不是直接用PDFTOHTML的話，可以借用到calibre對電子書轉換工作中做的一些工作，比如自動分分章節、正則式匹配去頁眉啥的。

當然可以，你上傳PDF到Google docs 上就可以轉換PDF為word和html格式的。

從題目的意思來講，應該是指：如何在瀏覽器里原樣打開pdf文件，並且不需要任何插件。

從這個角度來講，有兩種技術已經可以做到了：

(1) pdf.js，參見網址：PDF.js

(2) 對象盒子，參見網址：對象盒子 | 雲文檔

基本不能，會損失很多排版細節

我覺得題主可以嘗試下Calibre，這裡有一個來自百度上的介紹：如何將mobi,pdf轉換為epub格式，可能題主的可以嘗試下。

現在可以用PDF.js在線轉換了

pdf轉換word、excel、ppt等以及直接編輯pdf文件軟體介紹_pdf吧

貌似我看見裡面有個介紹，能轉換html,不過沒用過