.NET（C#）中使用pdf2htmlEX实现pdf向html的格式转换器

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；第三，其他内容用背景图片的形式显示；第四，单文件输出，即转换结果是生成一个html文件，图片等信息不存放在单独的文件中。[2]

2.2 实现步骤

pdf2htmlEX工具是控制台程序，没有自己的用户界面（点击pdf2htmlEX.exe文件时，程序窗口一闪而过，用户不能直接使用），必须由操作系统自带的cmd.exe调用或者其他第三方程序调用来实现它的功能。本文将介绍C#语言编写程序调用pdf2htmlEX.exe实现pdf2html的功能。具体步骤如下。

1）创建项目

通过Visual Studio 2013（笔者的开发工具，也可以使用其他版本的Visual Studio），创建Windows窗体应用程序。

2）添加控件和修改属性

创建项目后，在默认生成的Form1窗体添加Label和Button控件，并且修改它们的（Name）和Text属性。如图1所示。

窗体界面简单，共有4个Label控件和1个Button控件。其中“选择文件”Label控件的作用是，用户点击后弹出一个打开文件的对话框，以选择需要转换格式的pdf文件；“选择保存路径”Label控件的作用是，用户点击后弹出保存文件对话框，以指定生成的html文件的保存路径。“格式转换”Button控件用于执行文件的格式转换。

3）编写实现代码

实现代码分为三部分，一是选择文件的实现代码，二是选择文件保存路径的实现代码，三是进行文件格式转换（pdf2html）的实现代码。

①选择文件的实现代码。鼠标双击“选择文件”Label控件，进入代码编写界面，添加实现代码如下：

//定义string类型的变量，以存放pdf文件路径

string pdfFilePath = null；