在.NET框架使用C#实现PDF文件转为HTML格式的步骤_C#

引言

html作为一种开放标准的网页标记语言，具有跨平台、易于浏览和搜索引擎友好的特性，使得内容能够在多种设备上轻松访问并优化了在线分享与互动。通过将pdf文件转换为html格式，我们可以更方便地在浏览器中展示pdf文档内容，同时也更容易集成到更复杂的html页面中。使用c#在.net框架下我们可以实现更快的转换过程，以及转换的自动化进行。本文将介绍如何在.net框架使用c#将pdf文件转换为html格式。

文所使用的方法需要用到免费的free spire.pdf for .net，nuget：install-package freespire.pdf。

文中所用的示例pdf文档：

用c#直接转换pdf文件为html格式

我们可以使用pdfdocument.loadfromfile()方法从文件载入pdf文档，然后再使用pdfdocument.savetofile(string: filename, fileformat.html)方法将pdf文档直接转换为html文件并保存。以下是操作步骤示例：

导入所需模块。
创建pdfdocument实例，并使用pdfdocument.loadfromfile()方法从文件载入pdf文档。
使用pdfdocument.savetofile(string: filename, fileformat.html)方法将pdf文档直接转换为html格式并保存到文件。
释放资源。

代码示例

using spire.pdf;

namespace pdftohtml
{
    class program
    {
        static void main(string[] args)
        {
            // 创建pdfdocument实例
            pdfdocument pdf = new pdfdocument();

            // 载入pdf文件
            pdf.loadfromfile("sample.pdf");

            // 将pdf转换为html并保存
            pdf.savetofile("output/pdftohtml.html", fileformat.html);

            // 释放资源
            pdf.dispose();
        }
    }
}

运行结果

转换pdf到html时自定义转换选项

在载入 pdf 文档后，可以通过访问文档的pdfdocument.convertoptions属性获取pdfconvertoptions实例。随后，可调用pdfconvertoptions.setpdftohtmloptions()方法设置转换选项。该方法接受以下四个参数：

bool: 是否将 svg 嵌入到 html 中；
bool: 是否将图像嵌入到 html 中；
int: 单文件最大页数；
bool: 是否使用高质量嵌入 svg。
以下是具体操作步骤的示例：

导入所需模块。
创建pdfdocument实例，并使用pdfdocument.loadfromfile()方法从文件载入pdf文档。
访问文档的pdfdocument.convertoptions属性获取pdfconvertoptions实例。
调用pdfconvertoptions.setpdftohtmloptions()方法设置转换选项。
使用pdfdocument.savetofile(string: filename, fileformat.html)方法将pdf文档转换为html格式并保存到文件。
释放资源。

代码示例

using spire.pdf;

namespace pdftohtml
{
    class program
    {
        static void main(string[] args)
        {
            // 创建pdfdocument实例
            pdfdocument pdf = new pdfdocument();

            // 载入pdf文件
            pdf.loadfromfile("sample.pdf");

            // 访问convertoptions属性
            pdfconvertoptions tohtmloptions = pdf.convertoptions;

            // 设置转换html选项
            tohtmloptions.setpdftohtmloptions(false, true, 5, false);

            // 将pdf转换为html并保存
            pdf.savetofile("output/pdftohtml.html", fileformat.html);

            // 释放资源
            pdf.dispose();
        }
    }
}

运行结果

在字节流中实现pdf到html的转换

除了从磁盘载入pdf文件转换为html格式外，我们还可以使用pdfdocument.loadfromstream()方法直接载入流中的pdf文档，然后使用pdfdocument.savetostream(stream: stream, fileformat.html)将pdf文档转换为html文件流。以下是操作步骤示例：

导入所需模块。
创建memorystream实例或使用现有实例。
创建pdfdocument实例，使用pdfdocument.loadfromstream()从流载入pdf文档。
使用pdfdocument.savetostream(stream: stream, fileformat.html)将pdf文档转换为html文件流。
将流写入文件或根据需要进行其他操作。
释放资源。

代码示例

using spire.pdf;

namespace pdftohtml
{
    class program
    {
        static void main(string[] args)
        {
            // 创建stream实例或使用现有实例
            memorystream stream = new memorystream();
            file.openread("sample.pdf").copyto(stream);

            // 创建pdfdocument实例
            pdfdocument pdf = new pdfdocument();

            // 从流中载入pdf文件
            pdf.loadfromstream(stream);

            // 将pdf转换为html并保存到流
            pdf.savetostream(stream, fileformat.html);
            
            
            // 将流写入文件或根据需要进行其他操作
            file.writeallbytes("output/pdftohtmlstream.html", stream.toarray());

            // 释放资源
            pdf.dispose();
        }
    }
}

运行结果