pdf2htmlEX: converts PDF to HTML without losing format

 网络学院  没有评论 »
4月 242013
 

There are bascially 2 types of pdf-to-html converters:
One is roughly a pdf-to-text converter with a few pre-defined formats in HTML.
The other is render-everything-as-images converter, which loses all text and generated huge files.

But pdf2htmlEX takes advatanges of both, retaining both Text and Styling.
Features:
1.Extract and embed fonts from PDF
2.Optimizing for web while making sure render is precise
3.Non-text objects are rendered as images.
4.Single-file output mode — I know you hate spearated font/image files Continue reading »

ubuntu pdf转jpg或txt

 Linux/Unix相关  没有评论 »
8月 092010
 

1.PDF转JPG

安装一个软件ImageMagick：
# sudo apt-get install imageMagick
然后就可以转换了，yes!!
# convert XXX.pdf XXX.jpg
这样XXX.pdf 就转换成了一大堆的XXX-*.jpg，一页一张JPG。
如果想清晰些（实验中）：
# convert -verbose -colorspace RGB -resize 1800 -interlace none -density 300 -quality 100 XXX.pdf XXX.jpg

2. PDF转txt
我们要用poppler来做，它是系统自带的，
呵呵，先加一个中文支持：
# sudo apt-get install poppler-data

嘻嘻，转换啦！！
# pdftotext -layout -nopgbrk XXX.pdf
因为pdftotext不支持同时处理多个 pdf，所以用批处理要脚本搞定，打开终端，进入放置 pdf 的目录，运行下面命令
find ./ -name '*.pdf' | while read i; do pdftotext -layout -nopgbrk $i; done
很快就在当前目录下输出很多 txt 文件，“-layout”参数表示保留页面布局，“-nopgbrk”表示不输出换行符，自己对比一下就知道区别了。

Ubuntu下查看部分PDF文件缺少文字的解决办法

 Linux/Unix相关  没有评论 »
4月 062010
 

现象：Ubuntu默认的PDF阅读器是Poppler PDF utilities,有时候会遇到不能显示文字的情况（包括英文的文档，也不能完整显示）
解决：通过新立得软件包管理器安装一下Poppler-data(Encoding data for the poppler PDF rendering library)，这个包10多M，安装后一般都能正常显示了。