حوّل PDF إلى HTML
PDF إلى HTML يحوّل ملف PDF عبر pdftohtml من Poppler ويسلّم ZIP يضم صفحات HTML وصورها. هو تفريغ للتخطيط لا شيفرة ويب نظيفة، ولا يجري OCR.
اسحب الملفات وأفلتها هنا، أو انقر للاختيار
يقبل PDF · حتى 500.0 MB لكل ملف · حتى 20 ملفات في المرة الواحدة
يمكنك أيضًا لصق ملف باستخدام Ctrl/Cmd+V أو من قائمة الحافظة.
يشغّل PDF إلى HTML الأمر `pdftohtml -c` من Poppler ويضغط في ZIP كل ما تكتبه تلك الأداة في مجلد الإخراج. التنزيل هو `{base}ToHtml.zip` لا ملف `.html` واحد. ليس الهدف CSS معقدًا من المتصفح؛ بل هو تفريغ HTML وصور من Poppler.
لا توجد حقول نموذج. تُحوَّل كل الصفحات. وإن لم يكتب `pdftohtml` شيئًا يعيد API خطأً داخليًا بدل ZIP فارغ.
هذا ليس OCR. المسوح الضوئية المكوَّنة من صور فقط تصبح صورًا داخل حزمة HTML، لا نصًا قابلًا للتحديد. الملفات المحمية بكلمة مرور تُفتح لك في هذه الصفحة بمجرد إدخال كلمة المرور؛ ومستخدمو API يجرون «إزالة كلمة المرور» أولًا.
إن كنت تحتاج إلى الكلمات فقط فإن PDF إلى نص أصغر. وإن احتجت مقالًا مناسبًا لأنظمة إدارة المحتوى فإن PDF إلى Markdown أقرب.
ما بداخل ZIP، من تشغيل `pdftohtml -c` من Poppler على PDF نصي من صفحتين: ملف `in.html` ليس إلا مجموعة إطارات (frameset)، وفهرس `in_ind.html` برابط لكل صفحة، وملف HTML لكل صفحة (`in-1.html` و`in-2.html`)، وملف PNG خلفية لكل صفحة (`in001.png` و`in002.png`). تبدأ الأسماء من اسم ملفك المرفوع. افتح الملف الذي يحمل اسم ما رفعته لترى مجموعة الإطارات مع قائمة الصفحات على اليسار، أو افتح ملف صفحة واحدة مباشرة. وقد تسمّي نسخة أخرى من Poppler الأشياء أو ترتبها بشكل مختلف قليلًا.
يضع كل ملف صفحة كل سطر نصي بإحداثيات مطلقة، كفقرات منفصلة بقيم `top` و`left` بالبكسل، فوق صورة خلفية الصفحة. في ذلك التشغيل صارت صفحة 612 في 792 نقطة كتلة 918 في 1188 بكسل، أي 1.5 ضعف حجم النقاط، وبقي النص نص HTML حقيقيًا قابلًا للتحديد لا صورة. ولأن كل سطر مثبَّت في موضع بكسل، يشبه الناتج PDF لكنه لا يعيد الانسياب على شاشة ضيقة ويصعب تحريره.
افهم هذا على أنه نسخة ثابتة التخطيط، لا مقال ويب نظيف. العناوين والقوائم والفقرات لا تُعاد بناؤها كعناصر HTML دلالية. وإن أردت محتوى تضعه في نظام إدارة محتوى فحوّل إلى Markdown بدلًا من ذلك. وإن أردت مستندًا قابلًا للتحرير للناس فاستخدم PDF إلى Word. وإن أردت الكلمات العادية فقط فاستخدم PDF إلى نص.
ملفات PDF الممسوحة ليس فيها طبقة نصية لتُحوَّل. كل صفحة صورة، فتغلّف صفحات HTML تلك الصورة ولا توجد كلمات لتحديدها. شغّل OCR أولًا إن احتجت الكلمات، لكن لاحظ أن OCR يعيد Markdown، لا PDF يمكنك تغذيته من جديد إلى هذه الأداة.
الاتجاه المعاكس هو HTML إلى PDF، الذي ينشئ PDF من صفحة HTML ولا يتراجع عن هذا التحويل.
الميزات
- `pdftohtml -c` من Poppler إلى ZIP من HTML والموارد
- ملف HTML لكل صفحة مع فهرس وصفحة مجموعة إطارات
- يُوضع النص بإحداثيات مطلقة فوق صورة خلفية لكل صفحة
- لا خيارات لنطاق الصفحات أو السمات
- ليس OCR؛ والمسوح تبقى صورًا في الحزمة
- نقطة API مجهولة: /api/v1/convert/pdf/html
حالات الاستخدام
- الحصول على تفريغ HTML تقريبي لـ PDF ذي طبقة نصية
- سحب صور الصفحات المضمّنة التي يستخرجها pdftohtml
- فحص كيف يرى Poppler الملف قبل خط معالجة مخصص
- قراءة نسخة ثابتة التخطيط من PDF في متصفح دون عارض PDF
- جمع مواضع النص لكل صفحة كنقطة بداية لسكربت كشط أو تحويل خاص بك
كيف أحوّل PDF إلى HTML؟
- ارفع ملف PDF تحتوي صفحاته نصًا قابلًا للتحديد؛ فالمسح الضوئي سيتحول إلى صور فقط. لا توجد خيارات تحويل في هذه الصفحة.
- انقر معالجة ونزّل `{name}ToHtml.zip`، ثم فكّه في مجلد خاص به لتبقى ملفات الصفحات والصور معًا.
- افتح ملف HTML الرئيسي في متصفح لترى مجموعة الإطارات، أو افتح ملف صفحة واحدة مثل ملف `-1.html`.
- قارن صفحة بـ PDF: تحقق من أن الأسطر في مكانها الصحيح وأن صورة الخلفية تُحمَّل. إن لم تظهر الصفحة أي صورة فتأكد من أن ملفات PNG بجانب HTML.
- إن كان النص مفقودًا أو التخطيط غير صالح للاستخدام فجرّب PDF إلى نص للكلمات أو PDF إلى Markdown للبنية، أو شغّل OCR إن كان الملف ممسوحًا.
الحدود والحالات الحدّية
- الناتج ZIP لا ملف HTML واحد
- ليس طباعة Chromium ولا تصدير HTML من PDF موسوم
- ناتج pdftohtml الفارغ خطأ، لا 204
- تخطيط ثابت: لا إعادة انسياب ولا عناوين أو قوائم دلالية
- تُحوَّل كل صفحة؛ ولا يوجد نطاق صفحات
- المسوح الضوئية تعطي صورًا فقط
- حد الرفع في هذا الموقع: 500 ميغابايت لكل ملف، ويُرسل على أجزاء عندما يتجاوز نحو 95 ميغابايت. أما جسم طلب API المباشر الواحد فحده الأقصى 100 ميغابايت.
أمثلة
- أنتج PDF نصي من صفحتين في تشغيل اختباري `in.html` (مجموعة إطارات) و`in_ind.html` (قائمة صفحات) و`in-1.html` و`in-2.html` (ملف لكل صفحة) و`in001.png` و`in002.png` (خلفيات)
- في ذلك التشغيل احتفظ ملف الصفحة الأولى بكل سطر نصي كفقرة مثبَّتة بإحداثيات مطلقة، مثلًا على بعد 119 بكسل من الأعلى و108 من اليسار، فوق صورة خلفية بحجم 918 في 1188 بكسل
- PDF مسحٌ ضوئي فقط ينتج HTML يغلّف في معظمه صور تلك الصفحات
خصوصية هذه الأداة
تُرفع الملفات عبر HTTPS، وتُعالَج في الذاكرة أو في مجلد مؤقت قصير العمر على خوادمنا، ثم تُحذف عندما يصبح الناتج جاهزًا. لا نحتفظ بنسخ للتصفح لاحقًا أو لتدريب النماذج أو لملفات الإعلانات. راجع سياسة الخصوصية لمدد الاحتفاظ وإفصاحات ملفات تعريف الارتباط الخاصة بـ AdSense.
أسئلة شائعة
- لماذا النتيجة ZIP؟
- يكتب pdftohtml ملفات HTML مع الصور المستخرجة في مجلد. ويضغط الخادم ذلك المجلد.
- هل سيطابق HTML تخطيط PDF الخاص بي؟
- بقدر ما يفعل وضع -c في Poppler فقط. المجلات متعددة الأعمدة والمتجهات الثقيلة تبدو غالبًا خاطئة.
- هل يمكنني تحويل مسح ضوئي إلى نص HTML؟
- لا. هذا المسار لا يجري OCR. استخدم OCR إلى Markdown إن احتجت الكلمات.
- هل يعمل في المتصفح؟
- لا. يستدعي الخادم pdftohtml عبر الصدفة.
- أي ملف أفتح أولًا بعد فك الضغط؟
- افتح ملف HTML الذي يحمل اسم ما رفعته للحصول على مجموعة إطارات مع قائمة صفحات على اليسار. أو افتح ملف صفحة مباشرة، وهو يحمل اسم الملف المرفوع مع رقم الصفحة. أبقِ كل شيء في مجلد واحد لتُحمَّل صور الخلفية.
- لماذا تبدو الصفحة كـ PDF لكن النص لا يعيد الانسياب؟
- يوضع كل سطر نصي بإحداثيات بكسل مطلقة فوق صورة خلفية للصفحة، فالتخطيط ثابت. وهذا ما يُبقيه قريبًا من PDF ويفسّر أيضًا أنه لا يتكيف مع شاشة صغيرة.
- هل النص في HTML نص حقيقي أم صورة؟
- في PDF له طبقة نصية يكون نصًا حقيقيًا في عناصر فقرات، فيمكنك تحديده ونسخه والبحث فيه في متصفح. أما PDF الممسوح فلا طبقة نصية له، فتخرج الصفحات صورًا فقط.
- هل يمكنني الحصول على ملف HTML واحد فيه كل شيء؟
- لا. الناتج دائمًا ZIP من عدة ملفات. وإن احتجت ملفًا واحدًا من النص فاستخدم PDF إلى نص أو PDF إلى Markdown.
- هل أستخدم هذا أم PDF إلى Word؟
- استخدم PDF إلى HTML حين تريد شيئًا يفتحه المتصفح ويشبه PDF. واستخدم PDF إلى Word حين يجب أن يحرر شخص المحتوى، لأن تلك الأداة تعيد بناء الفقرات للمحرر بدل تثبيت الأسطر بالإحداثيات.
آخر تحديث:
الاستدعاء من الشيفرة
كل أداة هنا نقطة نهاية REST عادية. الاستخدام المجهول بلا حساب ولا مفتاح API. للمتصفح والمطوّرين والوكلاء على حد سواء.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfمتاحة أيضًا كأداة MCP لأي عميل وكيل يدعم Model Context Protocol (JSON-RPC 2.0 عبر POST /mcp). مرجع API الكامل
استخدمها من وكيل ذكاء اصطناعي
مهارةبهذه المهارة يستطيع Claude Code وCodex وCursor وغيرها من وكلاء الذكاء الاصطناعي تشغيل «PDF إلى HTML» نيابةً عنك: /skills/pdf123-pdf-to-html.md
الملفات لهذه المعالجة فقط، وتُحذف تلقائيًا بعدها.