关于pdf转html的个人方法,pdf转html的另类方法

今天找到一本台湾朱秀娟的小说《女强人》的pdf版。想转成epub，但epubbuilder不支持pdf导入。只能找软件把它先转成txt,word或者html。

以前转pdf为word，txt，html都是用solid PDF

tools，软件功能比较强大，能把pdf直接转成txt、word、html等，转出来以后发现格式不太好：

１、有页码(多余)。

２、段内多余的换行符。

３、分段混乱。

如果用它直接制作成epub，估计读起来会头痛不已的。试了其它几种pdf工具，发现都会引起分段或者换行的混乱。急了不少时间。忽然想起，mobipocket

creator可以直接从pdf生成mobi，再用calibre转成epub不就行了。

先用mobipocket creator导入pdf,其实只要打开mobipocket

creator，把pdf文件拖入mobipocket

creator就行。然后点生成，在发布目录就有了mobi文件了。不过这本书没有目录(你或许可以利用mobipocket

creator的功能生成目录，不过不太好用)。当然，如果你用calibre把它转成epub后，再取出内部的xhtml文件，再用epubbuilder生成也行，不过多个文件很麻烦的。

在发布目录找生成的mobi文件时，偶然发现目录下已经生成了一个html文件，格式很不错，没有多作的换行符，也没有多余的图片，段落也很整齐。尽然意外的完成了pdf到html的转换。

再用epubbuilder转成epub，一次成功，版式还挺漂亮。有兴趣的可以到www.cnepub.com下载后看一下。

总之，如果用其它的pdf工具转换成html的格式不太好的话，(其实如果转成的html格式比较好的话，可以直接保存成txt，也就实现了转txt)，可以用mobipocket

creator转换成html试一下，往往有不错的效果。方法就是前面说的，直接用mobipocket

creator把pdf生成mobi，html文件就是它的中间产物。顺便就一下，pdf中的图片也是中间产物，有人要提出图片的话，也可以用这种方法。

当然，这里的pdf是文本编码方式的，图片的pdf还是要做ocr的，不能直接转。