【Python | PDF】如何使用Python将PDF转换为HTML页面？

前言

最近想做一个小的功能，将PDF文字提取，并转换为HTML页面 ，但苦苦找寻没有合适好用简单的方法。Google一下，马上知道，接下来就是学习的结果，分享给大家，以免踩坑

含泪分享，希望大家喜欢，直接上代码

本文仅用于知识分享！

第一个版本，简单实现了HTML输出

import fitz
from tqdm import tqdm

def pdf2html(input_path,html_path):
    doc = fitz.open(input_path)
    for page in tqdm(doc):
        html_content = page.getText('html')
    print("开始输出html文件")
    with open(html_path, 'w', encoding='utf8', newline="") as fp:
        fp.write(html_content)

input_path = r'G:\back\pyfile\翻译\pdf_translate-master\3.pdf' # 如果报错 就用绝对路径
html_path = r'G:\back\pyfile\翻译\pdf_translate-master\input.html'
pdf2html(input_path,html_path)

第二个版本，优化了HTML输出的样式（做了居中对齐）

import fitz
from tqdm import tqdm


def pdf2html(input_path, html_path):
    doc = fitz.open(input_path)
    print(doc)
    html_content = "Title"
    for page in tqdm(doc):
        html_content += page.getText('html')
    print("开始输出html文件")

    html_content += ""
    with open(html_path, 'w', encoding='utf8', newline="") as fp:
        fp.write(html_content)


input_path = r'/Users/guoyi/Desktop/report123.pdf'  # 如果报错 就用绝对路径
html_path = r'/Users/guoyi/Desktop/report123.html'
pdf2html(input_path, html_path)

安装

pip install PyMuPDF
或者pip3 install PyMuPDF

pip install tqdm
或者pip3 install tqdm

有任何疑问评论咨询我~