Suche Modul PDF -> HTML (Allgemeines zu Perl)

[thread]15295[/thread]

Suche Modul PDF -> HTML

Tags: PDF Ähnliche Threads

Leser: 20

Articles: hide open all | hide show old branches

+5 replies
kristian

2010-07-19 13:17

User since
2005-04-14
684 Artikel
BenutzerIn

Hallo,

ich suche eine Möglichkeit um auf einem Linux-System (Debian-Lenny) PDF-Dateien in Html-Dateien zu wandeln.

pdftohtml habe ich gerade im Einsatz aber das funktioniert nur in einem von 10 Fällen.

Bei cpan ist die Suche nach PDF sehr ergiebig aber irgendwie habe ich noch nichts verwendbares gefunden.

Wer kann mir was empfehlen?

TIA && Gruß
Kristian
- +4 replies
- pq
  
  2010-07-19 13:24
  
  User since
  2003-08-04
  12208 Artikel
  Admin1
  
  ich suche da auch nach.
  was mich an pdftohtml stört: wenn man es hinkrigt, dass es mit bildern konvertiert wird, hat das resultierende html feste breite.
  kriegt man es hin, dass es skalierendes html wird, kommen die bilder nicht mit rein.
  ich könnte das ganz gut gebrauchen, um PDFs für meinen ebook-reader zu konvertieren.
  Always code as if the guy who ends up maintaining your code will be a violent psychopath who knows where you live. -- Damian Conway in "Perl Best Practices"
  lesen: Wie frage ich & perlintro brian's Leitfaden für jedes Perl-Problem
  - +3 replies
  - murphy
    
    2010-07-19 15:03
    
    User since
    2004-07-19
    1776 Artikel
    HausmeisterIn
    
    Es ist sicher schwierig, ein PDF in ein Dokument ohne feste Seitengröße zu konvertieren, da bei PDF alle Objekte an festen Positionen auf Seiten bekannter Größe platziert werden. Ein Konverter müsste hier wohl auf eine Heuristik zurückgreifen.
    When C++ is your hammer, every problem looks like your thumb.
    - +2 replies
    - topeg
      
      2010-07-19 15:23
      
      User since
      2006-07-10
      2611 Artikel
      BenutzerIn
      
      Ich habe mich schon mit so was (bei Postscript) beschäftigt und kann sagen, das es nur sehr spezifisch zu lösen ist. Z.B für die Erkennung von Tabellen habe ich fast eine Woche aufgewendet und sie funktionierte nur sehr spezifisch auf die zu bearbeitenden Dokumente. PDF (sowie PS) sind Postitionsorientierte Formate, die kaum noch Inhaltliche Formatierungen enthalten. Daraus HTML oder andere Dokumente mit komplexen Metainformationen zum Dokumentinhalt zu machen ist sehr schwierig.
      - kristian
        
        2010-07-19 20:45
        
        User since
        2005-04-14
        684 Artikel
        BenutzerIn
        
        es würde mir schon reichen, wenn ich den Titel des PDF's, die Überschriften und den Text rausziehen könnte.
        Welches Modul könnte mir da helfen?

View all threads created 2010-07-19 13:17.