Converter arquivo PDF para formato HTML

Aspose.PDF para C++ oferece muitos recursos para converter vários formatos de arquivo em documentos PDF e converter arquivos PDF em vários formatos de saída. Este artigo discute como converter um arquivo PDF em HTML. Aspose.PDF para C++ fornece a capacidade de converter arquivos HTML em formato PDF usando a abordagem InLineHtml. Recebemos muitos pedidos de funcionalidade que converte um arquivo PDF em formato HTML e fornecemos esse recurso. Por favor, note que este recurso também suporta XHTML 1.0.

Aspose.PDF para C++ suporta os recursos para converter um arquivo PDF em HTML. As principais tarefas que você pode realizar com a biblioteca Aspose.PDF estão listadas:

converter PDF para HTML;
dividir Saída para HTML de Múltiplas Páginas;
especificar Pasta para Armazenar Arquivos SVG;
comprimir Imagens SVG Durante a Conversão;
especificar a Pasta de Imagens;
criar Arquivos Subsequentes apenas com Conteúdo do Corpo;
renderização de Texto transparente;
renderização de camadas de documentos PDF.

Aspose.PDF para C++ fornece um código de duas linhas para transformar um arquivo PDF de origem em HTML. A enumeração SaveFormat contém o valor Html que permite salvar o arquivo de origem em HTML. O trecho de código a seguir mostra o processo de conversão de um arquivo PDF em HTML.

void ConvertPDFtoHTML()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("PDFToHTML.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    try {
    // Salvar a saída em formato HTML
    document->Save(outfilename, SaveFormat::Html);
    }
    catch (Exception ex) {
    std::cerr << ex->get_Message() << std::endl;
    }
    std::clog << __func__ << ": Finish" << std::endl;
}

Tente converter PDF para HTML online

Aspose.PDF para C++ apresenta a você a aplicação online gratuita “PDF to HTML”, onde você pode tentar investigar a funcionalidade e a qualidade com que funciona.

Dividindo a Saída em HTML de Múltiplas Páginas

Ao converter um arquivo PDF grande com várias páginas para o formato HTML, a saída aparece como uma única página HTML. Isso pode acabar ficando muito longo. Para controlar o tamanho da página, é possível dividir a saída em várias páginas durante a conversão de PDF para HTML. Tente usar o seguinte trecho de código.

void ConvertPDFtoHTML_SplittingOutputToMultiPageHTML()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("PDFToHTML.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto HTML Save Option
    auto htmlOptions = MakeObject<HtmlSaveOptions>();
    // Especificar para dividir a saída em várias páginas
    htmlOptions->set_SplitIntoPages(true);

    try {
    // Salvar a saída no formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    }
    catch (Exception ex) {
    std::cerr << ex->get_Message() << std::endl;
    }
    std::clog << __func__ << ": Finish" << std::endl;
}

Especificar Pasta para Armazenar Arquivos SVG

Durante a conversão de PDF para HTML, é possível especificar a pasta onde as imagens SVG devem ser salvas. Use a HtmlSaveOption class SpecialFolderForSvgImages property para especificar um diretório especial de imagens SVG. Esta propriedade obtém ou define o caminho para o diretório no qual as imagens SVG devem ser salvas quando encontradas durante a conversão. Se o parâmetro estiver vazio ou nulo, então quaisquer arquivos SVG são salvos junto com outros arquivos de imagem.

void ConvertPDFtoHTML_SpecifyFolderForStoringSVGfiles()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("SaveSVGFiles_out.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de Opção de Salvamento em HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    // Especificar a pasta onde as imagens SVG são salvas durante a conversão de PDF para HTML
    htmlOptions->SpecialFolderForSvgImages = (_dataDir + String("\\svg\\"));

    // Salvar a saída no formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Finish" << std::endl;
}

Comprimindo Imagens SVG Durante a Conversão

Para comprimir imagens SVG durante a conversão de PDF para HTML, tente usar o seguinte código:

void ConvertPDFtoHTML_CompressingSVGimages()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para o nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para o nome do arquivo
    String infilename("sample.pdf");
    String outfilename("PDFToHTML.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de Opção de Salvar HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    // Especificar a pasta onde as imagens SVG são salvas durante a conversão de PDF para HTML
    htmlOptions->SpecialFolderForSvgImages = (_dataDir + String("\\svg\\"));

    // Salvar a saída no formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Finish" << std::endl;
}

Especificando a Pasta de Imagens

Também podemos especificar a pasta em que as imagens serão salvas durante a conversão de PDF para HTML:

void ConvertPDFtoHTML_SpecifyFolderForStoringAllImages()
{
    std::clog << __func__ << ": Iniciar" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("PDFToHTML.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de Opção de Salvamento em HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    // Especificar a pasta onde todas as imagens são salvas durante a conversão de PDF para HTML
    htmlOptions->SpecialFolderForAllImages = (_dataDir + String("\\images\\"));

    // Salvar a saída em formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Terminar" << std::endl;
}

Criar Arquivos Subsequentes Apenas com Conteúdo do Corpo

Recentemente, fomos solicitados a introduzir um recurso onde arquivos PDF são convertidos para HTML e o usuário pode obter apenas o conteúdo da tag <body> para cada página. Isso produziria um arquivo com CSS, detalhes de <html>, <head> e todas as páginas em outros arquivos apenas com conteúdos <body>.

Para atender a esse requisito, uma nova propriedade, HtmlMarkupGenerationMode, foi introduzida na classe HtmlSaveOptions.

Com o seguinte trecho de código simples, você pode dividir o HTML de saída em páginas. Nas páginas de saída, todos os objetos HTML devem ir exatamente onde estão agora (processamento e saída de fontes, criação e saída de CSS, criação e saída de imagens), exceto que o HTML de saída conterá conteúdos atualmente colocados dentro das tags (agora as tags “body” serão omitidas). No entanto, ao usar essa abordagem, o link para o CSS é de responsabilidade do seu código, porque coisas como serão retiradas. Para esse fim, você pode ler o CSS via File.ReadAllText() e enviá-lo via AJAX para uma página web onde será aplicado por jQuery.

void ConvertPDFtoHTML_CreateSubsequentFilesWithBodyContentsOnly()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("CreateSubsequentFiles_out.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de Opção de Salvamento HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    htmlOptions->HtmlMarkupGenerationMode = HtmlSaveOptions::HtmlMarkupGenerationModes::WriteOnlyBodyContent;
    htmlOptions->set_SplitIntoPages(true);

    // Salvar a saída em formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Finish" << std::endl;
}

Renderização de Texto Transparente

Caso o arquivo PDF de origem/entrada contenha textos transparentes sombreados por imagens de primeiro plano, pode haver problemas de renderização de texto. Portanto, para atender a esses cenários, as propriedades SaveShadowedTextsAsTransparentTexts e SaveTransparentTexts podem ser usadas.

void ConvertPDFtoHTML_TransparentTextRendering()
{
    std::clog << __func__ << ": Start" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("TransparentTextRendering_out.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de Opção de Salvar HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    htmlOptions->HtmlMarkupGenerationMode = HtmlSaveOptions::HtmlMarkupGenerationModes::WriteOnlyBodyContent;
    htmlOptions->SaveShadowedTextsAsTransparentTexts = true;
    htmlOptions->SaveTransparentTexts = true;

    // Salvar a saída no formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Finish" << std::endl;
}

Renderização de camadas de documentos PDF

Podemos renderizar camadas de documentos PDF em elementos de tipo de camada separada durante a conversão de PDF para HTML:

void ConvertPDFtoHTML_DocumentLayersRendering()
{
    std::clog << __func__ << ": Iniciar" << std::endl;
    // String para nome do caminho
    String _dataDir("C:\\Samples\\Conversion\\");

    // String para nome do arquivo
    String infilename("sample.pdf");
    String outfilename("LayersRendering_out.html");

    // Abrir documento
    auto document = MakeObject<Document>(_dataDir + infilename);

    // Instanciar objeto de opção de salvamento em HTML
    auto htmlOptions = MakeObject<HtmlSaveOptions>();

    // Especificar para renderizar camadas de documentos PDF separadamente no HTML de saída
    htmlOptions->set_ConvertMarkedContentToLayers(true);

    // Salvar a saída no formato HTML
    document->Save(_dataDir + outfilename, htmlOptions);
    std::clog << __func__ << ": Terminar" << std::endl;
}

Converter PDF para Microsoft PowerPoint em C++ Converter vários formatos de Imagens para PDF