Към основното съдържание
PPDF123

Превърнете PDF в HTML

PDF към HTML превръща PDF с pdftohtml на Poppler и връща ZIP с HTML страниците и техните изображения. Това е изхвърляне на макета, а не чист уеб код, и не прави OCR.

Плъзнете файлове тук или кликнете, за да изберете

Приема PDF · до 500.0 MB на файл · до 20 файла наведнъж

Можете също да поставите файл с Ctrl/Cmd+V или от менюто на клипборда.

PDF към HTML пуска Poppler `pdftohtml -c` и пакетира в ZIP всичко, което този инструмент запише в изходната директория. Изтеглянето е `{base}ToHtml.zip`, а не единичен файл `.html`. Целта не е сложен CSS като от браузър; това е HTML и изображения от Poppler.

Няма полета във формата. Всяка страница се конвертира. Ако `pdftohtml` не запише нищо, API връща вътрешна грешка, а не празен ZIP.

Това не е OCR. Сканове само с изображения стават картинки в HTML пакета, а не избираем текст. Файловете, защитени с парола, се отключват вместо вас на тази страница, щом въведете паролата; при API първо пуснете «Премахване на парола».

Ако ви трябват само думите, «PDF към RTF (текст)» е по-малък. Ако ви трябва статия, подходяща за CMS, «PDF към Markdown» е по-близо.

Какво има в ZIP, от пускане на Poppler `pdftohtml -c` върху текстов PDF от две страници: `in.html`, който е само рамков набор (frameset), индекс `in_ind.html` с по една връзка за страница, по един HTML файл за страница (`in-1.html`, `in-2.html`) и по един фонов PNG за страница (`in001.png`, `in002.png`). Имената започват от името на вашето качване. Отворете файла с името на качването, за да видите рамковия набор със списъка на страниците вляво, или отворете директно файл на отделна страница. Друга версия на Poppler може да именува или подрежда нещата малко по-различно.

Всеки файл на страница позиционира всеки ред текст с абсолютни координати, като отделни абзаци със стойности `top` и `left` в пиксели, върху фоновото изображение на страницата. При това пускане страница 612 на 792 точки стана блок 918 на 1188 пиксела, 1,5 пъти размера в точки, а текстът остана истински, избираем HTML текст, а не картинка. Тъй като всеки ред е закован на пикселна позиция, резултатът прилича на PDF, но не се пренарежда на тесен екран и е неудобен за редактиране.

Разберете го като копие с фиксиран макет, а не като чиста уеб статия. Заглавията, списъците и абзаците не се изграждат наново като семантични HTML елементи. Ако искате съдържание, което да сложите в CMS, конвертирайте в Markdown. Ако искате редактируем документ за хора, ползвайте «PDF към Word». Ако искате само голите думи, ползвайте «PDF към RTF (текст)».

Сканираните PDF нямат текстов слой за конвертиране. Всяка страница е изображение, така че HTML страниците обвиват тази картинка и няма думи за селектиране. Първо пуснете OCR, ако ви трябват думите, но имайте предвид, че OCR връща Markdown, а не PDF, който да върнете в този инструмент.

Обратната посока е «HTML към PDF», който прави PDF от HTML страница и не отменя това конвертиране.

Възможности

  • Poppler `pdftohtml -c` към ZIP с HTML и ресурси
  • По един HTML файл на страница плюс индекс и страница с рамков набор
  • Текстът е позициониран абсолютно върху фоново изображение на всяка страница
  • Без опции за диапазон страници или тема
  • Не е OCR; скановете остават изображения в пакета
  • Анонимен API: /api/v1/convert/pdf/html

Кога да го използвате

  • Груб HTML изход от PDF с текстов слой
  • Изваждане на странични изображения, които pdftohtml извлича
  • Преглед как Poppler вижда файла преди собствен конвейер
  • Четене на копие с фиксиран макет на PDF в браузър без PDF преглеждач
  • Събиране на позициите на текста по страници като отправна точка за ваш скрипт за извличане или конвертиране

Как да превърна PDF в HTML?

  1. Качете PDF, чиито страници съдържат избираем текст; скан ще се конвертира само в изображения. На тази страница няма опции за конвертиране.
  2. Натиснете «Обработка» и изтеглете `{name}ToHtml.zip`, после го разархивирайте в собствена папка, така че файловете на страниците и изображенията да останат заедно.
  3. Отворете главния HTML файл в браузър, за да видите рамковия набор, или отворете файл на отделна страница, като този с `-1.html`.
  4. Сравнете страница с PDF: проверете дали редовете са на правилното място и дали фоновото изображение се зарежда. Ако страницата не показва изображение, уверете се, че PNG файловете са до HTML.
  5. Ако текстът липсва или макетът е неизползваем, опитайте «PDF към RTF (текст)» за думите или «PDF към Markdown» за структура, или пуснете OCR, ако файлът е скан.

Ограничения и крайни случаи

  • Изходът е ZIP, не един HTML файл
  • Не е печат с Chromium и не е HTML износ от tagged PDF
  • Празен изход от pdftohtml е грешка, не 204
  • Фиксиран макет: без пренареждане и без семантични заглавия или списъци
  • Всяка страница се конвертира; няма диапазон страници
  • Скановете дават само изображения
  • Ограничение за качване на този сайт: 500 MB на файл; над около 95 MB файлът се изпраща на части. Тялото на една пряка API заявка е ограничено до 100 MB.

Примери

  • Текстов PDF от две страници даде при тестово пускане `in.html` (рамков набор), `in_ind.html` (списък на страниците), `in-1.html` и `in-2.html` (по един на страница) и `in001.png` и `in002.png` (фонове)
  • При това пускане файлът на първата страница държеше всеки текстов ред като абсолютно позициониран абзац, например на 119 пиксела от горе и 108 отляво, върху фоново изображение 918 на 1188 пиксела
  • PDF само със скан дава HTML, който предимно обвива тези странични изображения

Поверителност при този инструмент

Файловете се качват по HTTPS, обработват се в паметта или в краткоживуща временна директория на нашите сървъри и се изтриват, щом резултатът е готов. Не задържаме копия за по-късен преглед, обучение на модели или рекламни профили. Сроковете за съхранение и обясненията за бисквитките на AdSense са в Политиката за поверителност.

Често задавани въпроси

Защо резултатът е ZIP?
pdftohtml пише HTML плюс извлечени изображения в папка. Сървърът пакетира тази папка.
HTML съвпада ли с макета на PDF?
Само доколкото позволява режимът -c на Poppler. Многоколонни списания и тежки вектори често изглеждат грешно.
Може ли скан да стане HTML текст?
Не. Този път не прави OCR. Ползвайте «OCR към Markdown», ако ви трябват думите.
Конвертира ли се в браузъра?
Не. Сървърът вика pdftohtml.
Кой файл да отворя първо след разархивирането?
Отворете HTML файла, който носи името на вашето качване, за да получите рамков набор със списък на страниците вляво. Или отворете директно файл на страница, който е именуван по качването с номера на страницата. Дръжте всичко в една папка, за да се заредят фоновите изображения.
Защо страницата прилича на PDF, но текстът не се пренарежда?
Всеки ред текст е поставен с абсолютни пикселни координати върху фоново изображение на страницата, така че макетът е фиксиран. Това го държи близо до PDF и затова не се адаптира към малък екран.
Текстът в HTML истински текст ли е, или картинка?
За PDF с текстов слой това е истински текст в абзацни елементи, така че можете да го селектирате, копирате и търсите в браузър. Сканиран PDF няма текстов слой, така че страниците излизат само като изображения.
Мога ли да получа един HTML файл с всичко в него?
Не. Изходът винаги е ZIP с няколко файла. Ако ви трябва единичен файл с текст, ползвайте «PDF към RTF (текст)» или «PDF към Markdown».
Да ползвам ли това, или «PDF към Word»?
Ползвайте «PDF към HTML», когато искате нещо, което браузър може да отвори и което прилича на PDF. Ползвайте «PDF към Word», когато човек трябва да редактира съдържанието, тъй като този инструмент изгражда наново абзаците за редактор, вместо да заковава редове към координати.

Последна актуализация:

Извикване от код

Всеки инструмент е обикновен REST интерфейс. За анонимна употреба не трябват профил или API ключ. Работи еднакво в браузър, за разработчици и за AI агенти.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
  -F "[email protected]" \
  -o output.pdf

Наличен е и като MCP инструмент за клиенти с Model Context Protocol (JSON-RPC 2.0 през POST /mcp). Пълна API документация

Използвайте го чрез AI агент

Скил

С този скил Claude Code, Codex, Cursor и други AI агенти могат да изпълнят „PDF към HTML“ вместо вас: /skills/pdf123-pdf-to-html.md

Всички скилове за агенти

Файловете служат само за тази обработка и после се изтриват автоматично.