使用Python及pdfkit转换PDF为HTML遇AttributeError问题求助

python的pdfkit库本身没有from_pdf()方法——这个库的核心作用是将HTML、URL或文本字符串转换为PDF，不支持反向的PDF转HTML操作。你看到的Adobe相关说明可能混淆了其他同名工具，或是对库的功能理解有误。

下面提供两种可行的PDF转HTML解决方案：

方案1：使用pdf2htmlEX工具 #

pdf2htmlEX是专门用于将PDF转换为HTML的工具，支持保留原文档的格式和布局。

• 第一步：根据你的系统安装pdf2htmlEX（Windows可从官网下载可执行文件，Linux用包管理器安装，macOS用brew安装）
• 第二步：在Python中通过subprocess调用它的命令行完成转换：

import subprocess

# 调用pdf2htmlEX转换PDF到HTML
subprocess.run([
    'pdf2htmlEX',
    'test2.pdf',  # 源PDF文件路径
    'my_html_file.html'  # 输出HTML文件路径
])

方案2：使用PyMuPDF（fitz）库 #

PyMuPDF是一个功能强大的PDF处理库，可以提取PDF内容并生成HTML：

• 第一步：安装库

pip install pymupdf

• 第二步：编写转换脚本

import fitz  # 导入PyMuPDF

# 打开PDF文档
doc = fitz.open('test2.pdf')
html_content = "<html><body>"

# 遍历每一页，提取HTML格式内容
for page in doc:
    html_content += page.get_text("html")

html_content += "</body></html>"

# 将内容写入HTML文件
with open('my_html_file.html', 'w', encoding='utf-8') as f:
    f.write(html_content)

# 关闭文档
doc.close()

内容的提问来源于stack exchange，提问作者Duzy