pagina - ¿Hay alguna biblioteca de Java para convertir documentos de pdf a html?
Se preferirá la implementación de código abierto.
Intenta usar PDFBox desde la base apache.
Obviamente, no es una tarea fácil, el formato PDF es mucho más rico que el de HTML (además, debe extraer imágenes y vincularlas, etc.).
La extracción de texto simple es mucho más simple (aunque no trivial ...).
Veo en la barra lateral de su pregunta una pregunta similar: Convertir PDF a HTML con Python que apunta a una biblioteca (poppler, que aparentemente está escrito en C ++, quizás se puede acceder con JNI / JNA) y a una pregunta relacionada que ofrece incluso más respuestas.