使用 Aspose.Pdf for Cloud 将 pdf 转换为 html

Question

我在使用 Aspose.Pdf-Cloud v1.0.9 将 pdf 转换为 html 时遇到问题。

代码：

public byte[] ConvertPdfToHtml(byte[] doc, string fileName)
        {
            var pdfApi = new PdfApi(ConfigurationManager.AppSettings["AsposeKey"],
                ConfigurationManager.AppSettings["AsposeSID"], ConfigurationManager.AppSettings["AsposeUrl"]);

            try
            {
                var apiResponse = pdfApi.PutConvertDocument("html", null,
                    Path.GetFileNameWithoutExtension(fileName) + ".html", doc);

                if (apiResponse != null && apiResponse.Status.Equals("Ok"))
                {
                    return apiResponse.ResponseStream;
                }

                throw new Exception("Couldn't convert pdf - " + fileName + " to HTML...");
            }
            catch (Exception ex)
            {
                NLogger.LogError("ConvertPdfToHtml - " + ex);
                throw;
            }
        }

似乎无论我上传什么（Adobe，selectPdf），我都会收到 400 错误请求。任何人都有运气让它工作吗？

到目前为止，Aspose.Words 对我来说非常适合 doc / docx to html。

更新：登录帐户后，似乎在后台生成错误：

错误：方法或操作未实现。方法：将文档转换为在线指定的格式。参数：format 'html',url '',outPath 'testadobe.html'

这可能是 aspose sdk 问题，我会尝试与他们联系，因为该方法已在 sdk 上公开，并且完全符合我对文档的需要，只需要它也可以与 pdf 一起使用。

更新代码：

public byte[] ConvertPdfToHtml(byte[] doc, string fileName)
        {
            var pdfApi = new PdfApi(ConfigurationManager.AppSettings["AsposeKey"],
                ConfigurationManager.AppSettings["AsposeSID"], ConfigurationManager.AppSettings["AsposeUrl"]);
            var storageApi = new StorageApi(ConfigurationManager.AppSettings["AsposeKey"],
                ConfigurationManager.AppSettings["AsposeSID"], ConfigurationManager.AppSettings["AsposeUrl"]);

            try
            {
                storageApi.PutCreate(fileName, "", "", doc);

                var apiResponse = pdfApi.GetDocumentWithFormat(fileName, "html", "", "", Path.GetFileNameWithoutExtension(fileName) + ".html");

                if (apiResponse != null && apiResponse.Status.Equals("Ok"))
                {
                    var storageRes = storageApi.GetDownload(Path.GetFileNameWithoutExtension(fileName) + ".html", null, "");

                    var htmlDoc = ZipExtractor.ExtractHtmlFromZip(storageRes.ResponseStream,
                        Path.GetFileNameWithoutExtension(fileName) + ".html");

                    return htmlDoc;
                }

                throw new Exception("Couldn't convert pdf - " + fileName + " to HTML...");
            }
            catch (Exception ex)
            {
                NLogger.LogError("ConvertPdfToHtml - " + ex);
                throw;
            }
        }

后人的解压功能：

public static byte[] ExtractHtmlFromZip(byte[] zipBytes, string fileName)
        {
            var zipStream = new MemoryStream(zipBytes);

            if(zipStream == null) throw new NullReferenceException("zipStream doesn't contain any bytes...");

            var archive = new ZipArchive(zipStream);

            foreach (var zipEntry in archive.Entries)
            {
                if (zipEntry.FullName == fileName)
                {
                    var fileStream = zipEntry.Open();
                    using (var ms = new MemoryStream())
                    {
                        fileStream.CopyTo(ms);
                        var bytes = ms.ToArray();
                        return bytes;
                    }
                }
                throw new FileNotFoundException("Couldn't find " + fileName + " in zip archive...");
            }

            throw new Exception("Oops... looks like this should've never been reached in ExtractHtmlFromZip");
        }

Answer 1

我们有两个 API 可以将 PDF 文档转换为 HTML。

1. GET /v{version}/pdf/{name}
2. PUT /v{version}/pdf/convert

我建议您使用第一个。以下 cURL 示例将帮助您理解 API。

curl -v "http://api.aspose.cloud/v1.1/pdf/Sample.pdf?format=html&appSID=B01A15E5-1B83-4B9A-8EB3-0F2BFA6AC766&signature=hHUw2HKmLY6tQFEevDg52uOLKak" \
-X GET \
-H "Content-Type: application/json" \
-H "Accept: multipart/form-data" \
-o Sample_out.zip 

您可能已经观察到，我将输出 (-o) 文件扩展名设置为 .zip，而不是 .html，原因是转换后的文件包含多个文件（.html、.css、图像文件），所以API 压缩了输出文件。

此 cURL 示例使用 Sample.pdf 作为资源文件。

附：我与 Aspose 合作，担任开发人员宣传员。