用pdftohtml将PDF转成HTML

pdftohtml同样是超强命令行工具集poppler的一个子集，和pdfimages等优秀的子集一样。用好了是非常便利的。

需要理解的是，pdftohtml对扫描版PDF是没什么用对。它的主要功能是把pdf中元素全部提取出来，然后按照布局生成HTML。但是扫描版的相当于是一张图片，没有任何元素信息。

Mac上，直接homebrew：

$ brew install poppler

安装好poppler工具集后，就可以用pdftohtml命令了。

常用命令：

# 默认输出 (生成多个互相嵌套的html文件，以及多个图片
$ pdftohtml sample.pdf sample.html

# 生成"复杂"排版，其实就是更精确排版的意思 --complex
$ pdftohtml -c sample.pdf sample.html

# 指定第一页至最后一页区间：first-last
$ pdftohtml -f 1 -l 2 sample.pdf sample.html

效果：
效果还好，即使是中文的，排版也没有偏离很远。
程序会自动生成很多很多很多的html和图片文件，全都在一个文件夹里面不分类。