包简介

Standalone PHP library for extracting semantic HTML from PDF files. Detects headings, lists, tables, links, and inline styles from PDF content.

README 文档

README

Standalone PHP library for extracting semantic HTML from PDF files using smalot/pdfparser.

Features

Heading detection — identifies heading levels from font size ratios
List detection — groups bullet and numbered items into <ul>/<ol> lists
Table detection — identifies tabular content from X-coordinate column clustering
Link extraction — matches PDF link annotations to text content
Inline styles — preserves font size and color differences as CSS

Installation

composer require ahmaadkhader/pdf-to-html

Usage

use Ahmaadkhader\PdfToHtml\PdfToHtml;
use Ahmaadkhader\PdfToHtml\StyleAnalyzer;
use Ahmaadkhader\PdfToHtml\TableDetector;
use Ahmaadkhader\PdfToHtml\LinkExtractor;
use Ahmaadkhader\PdfToHtml\HtmlRenderer;

$styleAnalyzer = new StyleAnalyzer();
$tableDetector = new TableDetector();
$linkExtractor = new LinkExtractor($styleAnalyzer);
$htmlRenderer = new HtmlRenderer($styleAnalyzer);

$converter = new PdfToHtml($styleAnalyzer, $tableDetector, $linkExtractor, $htmlRenderer);

// Extract plain text.
$text = $converter->extractText('/path/to/file.pdf');

// Extract semantic HTML with headings, lists, tables and links.
$html = $converter->extractHtml('/path/to/file.pdf');

// Use native heading tags (h1-h6) instead of class-based.
$html = $converter->extractHtml('/path/to/file.pdf', ['native_headings' => true]);

Architecture

Class	Responsibility
`PdfToHtml`	Core orchestration — parses PDF, coordinates sub-components
`StyleAnalyzer`	Font size, color, heading level, and inline style detection
`TableDetector`	Table region detection from DataTm positioning data
`LinkExtractor`	PDF link annotation extraction and text matching
`HtmlRenderer`	Renders classified content lines into semantic HTML

Requirements

PHP 8.1+
smalot/pdfparser ^2.12

License

GPL-2.0-or-later

ahmaadkhader/pdf-to-html 适用场景与选型建议

ahmaadkhader/pdf-to-html 是一款基于 PHP 开发的 Composer 扩展包，目前已累计 39 次下载、GitHub Stars 达 0，最近一次更新时间为 2026 年 05 月 12 日，在 PHP 生态内属于活跃度较高的组件。

我们在过去多个企业项目中使用过 ahmaadkhader/pdf-to-html 或与其功能相近的方案，如果你在选型或落地过程中遇到问题，例如 版本兼容、二次改造、私有化封装、与内部系统对接、生产 BUG 排查，欢迎联系我们协助评估。

围绕 ahmaadkhader/pdf-to-html 我们能提供哪些服务？

定制开发 / 二次开发

基于 ahmaadkhader/pdf-to-html 在你已有业务上做功能扩展、字段裁剪、UI 适配、与内部账号 / 权限 / 日志系统的深度对接。

BUG 修复 & 性能优化

线上偶发问题、内存泄漏、慢查询、并发异常等排查修复；针对高流量场景做缓存、队列、索引层面的调优。

项目外包 & 长期维护

承接完整的项目从需求 → 设计 → 开发 → 上线 → 长期运维；也可按月提供技术保姆服务。

yvsm@zunyunkeji.com QQ：316430983 微信：yvsm316 西安尊云信息科技 · 专注 PHP / Go / 分布式系统研发

ahmaadkhader/pdf-to-html

包简介