Zum Hauptinhalt springen
PPDF123

PDF in HTML konvertieren

PDF in HTML wandelt eine PDF mit Popplers pdftohtml um und liefert ein ZIP mit den HTML-Seiten und ihren Bildern. Es ist ein Layout-Export und kein sauberes Web-Markup, und es nutzt kein OCR.

Dateien hierher ziehen oder klicken, um auszuwählen

Akzeptiert PDF · bis zu 500.0 MB pro Datei · bis zu 20 Dateien auf einmal

Sie können eine Datei auch mit Strg/Cmd+V oder über das Zwischenablage-Menü einfügen.

PDF in HTML führt Poppler `pdftohtml -c` aus und zippt, was das Werkzeug ins Ausgabeverzeichnis schreibt. Der Download heißt `{base}ToHtml.zip`, keine einzelne `.html`. Ziel ist nicht Browser-CSS, sondern Popplers HTML- und Bildexport.

Auf dieser Seite gibt es keine Formularfelder. Jede Seite wird konvertiert. Schreibt `pdftohtml` nichts, liefert die API einen internen Fehler, kein leeres ZIP.

Das ist kein OCR. Reine Bildscans werden zu Bildern im HTML-Paket, nicht zu auswählbarem Text. Passwortgeschützte Dateien werden auf dieser Seite für Sie entsperrt, sobald Sie das Passwort eingeben; API-Aufrufer führen zuerst «Passwort entfernen» aus.

Nur Text: PDF in RTF ist kleiner. CMS-taugliche Artikel: PDF in Markdown liegt näher.

Was im ZIP steckt, aus einem Lauf von Popplers `pdftohtml -c` auf einer zweiseitigen Text-PDF: eine `in.html`, die nur ein Frameset ist, ein Index `in_ind.html` mit einem Link pro Seite, eine HTML-Datei pro Seite (`in-1.html`, `in-2.html`) und ein Hintergrund-PNG pro Seite (`in001.png`, `in002.png`). Die Namen gehen vom Dateinamen Ihres Uploads aus. Öffnen Sie die nach Ihrem Upload benannte Datei, um das Frameset mit der Seitenliste links zu sehen, oder öffnen Sie direkt eine einzelne Seitendatei. Eine andere Poppler-Version kann Dinge etwas anders benennen oder anordnen.

Jede Seitendatei positioniert jede Textzeile mit absoluten Koordinaten, als einzelne Absätze mit `top`- und `left`-Werten in Pixeln, über dem Hintergrundbild der Seite. In diesem Lauf wurde eine Seite mit 612 mal 792 Punkt zu einem Block von 918 mal 1188 Pixel, dem 1,5-Fachen der Punktgröße, und der Text blieb echter, auswählbarer HTML-Text statt eines Bildes. Weil jede Zeile an eine Pixelposition gebunden ist, sieht das Ergebnis aus wie die PDF, bricht aber auf einem schmalen Bildschirm nicht um und lässt sich umständlich bearbeiten.

Verstehen Sie das als Kopie mit festem Layout, nicht als sauberen Webartikel. Überschriften, Listen und Absätze werden nicht als semantische HTML-Elemente aufgebaut. Wollen Sie Inhalt, den Sie in ein CMS legen können, konvertieren Sie stattdessen zu Markdown. Wollen Sie ein bearbeitbares Dokument für Menschen, nutzen Sie PDF in Word. Wollen Sie nur die reinen Wörter, nutzen Sie PDF in RTF.

Gescannte PDFs haben keine Textebene zum Konvertieren. Jede Seite ist ein Bild, die HTML-Seiten umhüllen also dieses Bild, und es gibt keine Wörter zum Auswählen. Führen Sie zuerst OCR aus, wenn Sie die Wörter brauchen, beachten Sie aber, dass OCR Markdown liefert, keine PDF, die Sie wieder in dieses Werkzeug geben könnten.

Die Gegenrichtung ist HTML in PDF, das aus einer HTML-Seite eine PDF macht und diese Konvertierung nicht rückgängig macht.

Funktionen

  • Poppler `pdftohtml -c`, Ausgabe ZIP aus HTML und Ressourcen
  • Eine HTML-Datei pro Seite plus ein Index und eine Frameset-Seite
  • Text wird absolut über einem Hintergrundbild jeder Seite positioniert
  • Kein Seitenbereich und keine Themenoption
  • Kein OCR; Scans bleiben Bilder im Paket
  • Anonyme API: /api/v1/convert/pdf/html

Wann Sie dieses Werkzeug nutzen

  • Grobes HTML aus einer PDF mit Textschicht holen
  • Von pdftohtml extrahierte Seitenbilder mitnehmen
  • Vor einer Eigenpipeline sehen, wie Poppler die Datei versteht
  • Eine Kopie einer PDF mit festem Layout in einem Browser ohne PDF-Leseprogramm lesen
  • Die Textpositionen pro Seite als Ausgangspunkt für ein eigenes Scraping- oder Konvertierungsskript sammeln

Wie wandle ich eine PDF in HTML um?

  1. Laden Sie eine PDF hoch, deren Seiten auswählbaren Text enthalten; ein Scan wird nur zu Bildern konvertiert. Keine Konvertierungsoptionen auf dieser Seite.
  2. Klicken Sie auf Verarbeiten, laden Sie `{name}ToHtml.zip` herunter und entpacken Sie es in einen eigenen Ordner, damit Seitendateien und Bilder zusammenbleiben.
  3. Öffnen Sie die Haupt-HTML-Datei im Browser, um das Frameset zu sehen, oder öffnen Sie eine einzelne Seitendatei wie die `-1.html`.
  4. Vergleichen Sie eine Seite mit der PDF: Prüfen Sie, dass die Zeilen an der richtigen Stelle stehen und das Hintergrundbild lädt. Zeigt die Seite kein Bild, achten Sie darauf, dass die PNG-Dateien neben dem HTML liegen.
  5. Fehlt der Text oder ist das Layout unbrauchbar, versuchen Sie PDF in RTF für die Wörter oder PDF in Markdown für die Struktur, oder führen OCR aus, wenn die Datei ein Scan ist.

Grenzen und Sonderfälle

  • Ausgabe ist ZIP, kein einzelnes HTML
  • Kein Chromium-Druck und kein tagged-PDF-HTML-Export
  • Leere pdftohtml-Ausgabe ist Fehler, kein 204
  • Festes Layout: kein Umbruch und keine semantischen Überschriften oder Listen
  • Jede Seite wird konvertiert; es gibt keinen Seitenbereich
  • Scans liefern nur Bilder
  • Upload-Limit auf dieser Website: 500 MB pro Datei, ab etwa 95 MB in Teilstücken gesendet. Eine einzelne direkte API-Anfrage ist auf 100 MB begrenzt.

Beispiele

  • Eine zweiseitige Text-PDF ergab in einem Testlauf `in.html` (ein Frameset), `in_ind.html` (eine Seitenliste), `in-1.html` und `in-2.html` (eine pro Seite) sowie `in001.png` und `in002.png` (Hintergründe)
  • In diesem Lauf enthielt die erste Seitendatei jede Textzeile als absolut positionierten Absatz, zum Beispiel 119 Pixel von oben und 108 von links, über einem Hintergrundbild von 918 mal 1188 Pixel
  • Eine reine Scan-PDF liefert HTML, das vor allem diese Seitenbilder einpackt

Datenschutz für dieses Werkzeug

Dateien werden über HTTPS hochgeladen, im Speicher oder in einem kurzlebigen temporären Verzeichnis auf unseren Servern verarbeitet und gelöscht, sobald Ihr Ergebnis bereitsteht. Wir behalten keine Kopien für späteres Durchsuchen, Training oder Werbeprofile. Einzelheiten zur Speicherdauer und zu AdSense-Cookies stehen in der Datenschutzerklärung.

Häufige Fragen

Warum ZIP?
pdftohtml schreibt HTML plus extrahierte Bilder in einen Ordner. Der Server packt diesen Ordner.
Stimmt das HTML mit dem PDF-Layout überein?
Nur soweit Poppler-`-c`-Modus reicht. Mehrspaltige Magazine und viel Vektor passen oft nicht.
Können Scans zu HTML-Text werden?
Nein. Dieser Pfad macht kein OCR. Für Text: OCR nach Markdown.
Läuft das im Browser?
Nein. Der Server ruft pdftohtml auf.
Welche Datei öffne ich nach dem Entpacken zuerst?
Öffnen Sie die HTML-Datei mit dem Namen Ihres Uploads, um ein Frameset mit einer Seitenliste links zu erhalten. Oder öffnen Sie direkt eine Seitendatei, die nach dem Upload mit der Seitenzahl benannt ist. Lassen Sie alles in einem Ordner, damit die Hintergrundbilder laden.
Warum sieht die Seite aus wie die PDF, aber der Text bricht nicht um?
Jede Textzeile wird mit absoluten Pixelkoordinaten über einem Hintergrundbild der Seite platziert, das Layout ist also fest. Das hält es nah an der PDF und ist auch der Grund, warum es sich nicht an einen kleinen Bildschirm anpasst.
Ist der Text im HTML echter Text oder ein Bild?
Bei einer PDF mit Textebene ist es echter Text in Absatzelementen, Sie können ihn im Browser markieren, kopieren und durchsuchen. Eine gescannte PDF hat keine Textebene, die Seiten kommen also nur als Bilder heraus.
Kann ich eine HTML-Datei mit allem darin bekommen?
Nein. Die Ausgabe ist immer ein ZIP aus mehreren Dateien. Brauchen Sie eine einzelne Datei mit Text, nutzen Sie PDF in RTF oder PDF in Markdown.
Soll ich das nutzen oder PDF in Word?
Nutzen Sie PDF in HTML, wenn Sie etwas wollen, das ein Browser öffnen kann und das wie die PDF aussieht. Nutzen Sie PDF in Word, wenn ein Mensch den Inhalt bearbeiten muss, denn dieses Werkzeug baut Absätze für einen Editor neu auf, statt Zeilen an Koordinaten zu heften.

Zuletzt aktualisiert:

Per Code aufrufen

Jedes Werkzeug auf dieser Seite ist ein gewöhnlicher REST-Endpunkt. Für anonyme Nutzung brauchen Sie weder Konto noch API-Schlüssel. Für Browser, Entwickler und KI-Agenten gleichermaßen.

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

Auch als MCP-Werkzeug für Clients, die Model Context Protocol sprechen (JSON-RPC 2.0 über POST /mcp). Vollständige API-Referenz

Mit einem KI-Agenten nutzen

Skill

Mit diesem Skill können Claude Code, Codex, Cursor und andere KI-Agenten „PDF in HTML“ für Sie ausführen: /skills/pdf123-pdf-to-html.md

Alle Agent-Skills

Dateien dienen nur diesem Auftrag und werden danach automatisch gelöscht.