.NET框架用C#实现PDF转HTML

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。

本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：

1. 导入所需模块。
2. 创建PdfDocument实例，并使用PdfDocument.LoadFromFile()方法从文件载入PDF文档。
3. 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。
4. 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：

1. 导入所需模块。
2. 创建PdfDocument实例，并使用PdfDocument.LoadFromFile()方法从文件载入PDF文档。
3. 访问文档的PdfDocument.ConvertOptions属性获取PdfConvertOptions实例。
4. 调用PdfConvertOptions.SetPdfToHtmlOptions()方法设置转换选项。
5. 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。
6. 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：

1. 导入所需模块。
2. 创建MemoryStream实例或使用现有实例。
3. 创建PdfDocument实例，使用PdfDocument.LoadFromStream()从流载入PDF文档。
4. 使用PdfDocument.SaveToStream(Stream: stream, FileFormat.HTML)将PDF文档转换为HTML文件流。
5. 将流写入文件或根据需要进行其他操作。
6. 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

本文介绍如何在.NET框架使用C#将PDF转换为HTML格式，提供步骤介绍及代码示例。