用于将PDF转换为HTML的开源库/工具？

Question

我的需求非常简单，我需要一个工具或库（库将是完美的），将PDF文件转换为HTML文件，尽可能多地保留信息，除了任何图像或样式，只有语义信息。

我已经查看了iTextPdf，但我没有找到类似的内容。任何帮助都会很好。

提前致谢

Answer 1

使用iTextSharp。它是免费的，你只需要“itextsharp.dll”。

http://sourceforge.net/projects/itextsharp/

这是一个简单的函数，用于从PDF中读取文本。

Public Shared Function GetTextFromPDF(PdfFileName As String) As String
    Dim oReader As New iTextSharp.text.pdf.PdfReader(PdfFileName)

    Dim sOut = ""

    For i = 1 To oReader.NumberOfPages
        Dim its As New iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy

        sOut &= iTextSharp.text.pdf.parser.PdfTextExtractor.GetTextFromPage(oReader, i, its)
    Next

    Return sOut
End Function