Ovde je primer programa u Pythonu koji konvertuje PDF dokument u HTML koristeći biblioteku pdfplumber i html za jednostavniju obradu teksta iz PDF-a.
Da bi se koristila pdfplumber, instaliraj ga komandom:
pip install pdfplumber
Kod za konvertovanje PDF u HTML kopirajte u fajl pdf2html.py
import pdfplumber
from html import escape
def pdf_to_html(pdf_path, html_path):
try:
with pdfplumber.open(pdf_path) as pdf:
html_content = "<html><body>\n"
for page in pdf.pages:
text = page.extract_text()
if text:
# Pretvaramo tekst u bezbedni HTML
html_content += f"<pre>{escape(text)}</pre>\n"
html_content += "</body></html>"
with open(html_path, "w", encoding="utf-8") as html_file:
html_file.write(html_content)
print(f"PDF uspešno konvertovan u HTML: {html_path}")
except Exception as e:
print(f"Došlo je do greške: {e}")
# Primer korišćenja
pdf_putanja = "primer.pdf" # Putanja do tvog PDF fajla
html_putanja = "output.html" # Putanja za izlazni HTML fajl
pdf_to_html(pdf_putanja, html_putanja)
Opis rada programa:
- Otvara PDF fajl koristeći
pdfplumber. - Ekstrahuje tekst sa svake stranice i formatira ga u HTML.
- Snima dobijeni HTML sadržaj u fajl.
Primer korišćenja:
python3 pdf2html.py ulazni.pdf izlazni.html
Rezultat:
- Dobijeni
izlazni.htmlfajl možeš otvoriti u bilo kom veb pretraživaču.