Aller au contenu principal
PPDF123

Convertir un PDF en HTML

PDF vers HTML convertit un PDF avec pdftohtml de Poppler et livre un ZIP contenant les pages HTML et leurs images. C’est un export de mise en page plutôt qu’un balisage web propre, et il ne fait pas d’OCR.

Déposez des fichiers ici, ou cliquez pour les choisir

Formats acceptés : PDF · jusqu'à 500.0 MB par fichier · jusqu'à 20 fichiers à la fois

Vous pouvez aussi coller un fichier avec Ctrl/Cmd+V ou depuis le menu du presse-papiers.

PDF vers HTML exécute Poppler `pdftohtml -c` et regroupe dans un ZIP tout ce que cet outil écrit dans le répertoire de sortie. Le téléchargement est `{base}ToHtml.zip`, pas un seul fichier `.html`. L'objectif n'est pas du CSS de niveau navigateur : c'est l'export HTML et images de Poppler.

Il n'y a pas de champs de formulaire. Chaque page est convertie. Si `pdftohtml` n'écrit rien, l'API renvoie une erreur interne plutôt qu'un ZIP vide.

Ce n'est pas de l'OCR. Un scan composé uniquement d'images devient des images dans le paquet HTML, pas du texte sélectionnable. Les fichiers protégés par mot de passe sont déverrouillés pour vous sur cette page une fois le mot de passe saisi ; via l'API, passez d'abord par Retirer le mot de passe.

Si vous n'avez besoin que des mots, PDF vers RTF (texte) est plus léger. Pour un article adapté à un CMS, PDF vers Markdown est plus proche.

Contenu du ZIP, d'après une exécution de `pdftohtml -c` de Poppler sur un PDF texte de deux pages : un `in.html` qui n'est qu'un jeu de cadres, un index `in_ind.html` avec un lien par page, un fichier HTML par page (`in-1.html`, `in-2.html`) et un PNG d'arrière-plan par page (`in001.png`, `in002.png`). Les noms partent du nom de votre fichier. Ouvrez le fichier portant le nom de votre envoi pour voir le jeu de cadres avec la liste des pages à gauche, ou ouvrez directement un fichier de page. Une autre version de Poppler peut nommer ou organiser les choses un peu différemment.

Chaque fichier de page positionne chaque ligne de texte avec des coordonnées absolues, sous forme de paragraphes séparés avec des valeurs `top` et `left` en pixels, par-dessus l'image d'arrière-plan de la page. Lors de cette exécution, une page de 612 par 792 points est devenue un bloc de 918 par 1188 pixels, soit 1,5 fois la taille en points, et le texte est resté du vrai texte HTML sélectionnable, pas une image. Comme chaque ligne est fixée à une position en pixels, le résultat ressemble au PDF mais ne se recompose pas sur un écran étroit et se modifie difficilement.

Comprenez-le comme une copie à mise en page fixe, pas comme un article web propre. Les titres, listes et paragraphes ne sont pas reconstruits en éléments HTML sémantiques. Pour du contenu à déposer dans un CMS, convertissez plutôt en Markdown. Pour un document modifiable par des personnes, utilisez PDF vers Word. Si vous ne voulez que les mots bruts, utilisez PDF vers RTF (texte).

Les PDF scannés n'ont pas de couche de texte à convertir. Chaque page est une image : les pages HTML enveloppent donc cette image et il n'y a aucun mot à sélectionner. Lancez d'abord l'OCR si vous avez besoin des mots, mais notez que l'OCR renvoie du Markdown, pas un PDF que vous pourriez renvoyer dans cet outil.

Le sens inverse est HTML vers PDF, qui fabrique un PDF à partir d'une page HTML et n'annule pas cette conversion.

Fonctions

  • Poppler `pdftohtml -c` dans un ZIP de HTML et de ressources
  • Un fichier HTML par page, plus un index et une page de jeu de cadres
  • Le texte est positionné de façon absolue sur une image d'arrière-plan de chaque page
  • Pas de plage de pages ni d'options de thème
  • Pas d'OCR ; les scans restent des images dans le paquet
  • API anonyme : /api/v1/convert/pdf/html

Quand utiliser cet outil

  • Obtenir un export HTML approximatif d'un PDF à couche de texte
  • Récupérer les images de pages extraites par pdftohtml
  • Voir comment Poppler lit le fichier avant un pipeline maison
  • Lire dans un navigateur une copie à mise en page fixe d'un PDF, sans lecteur PDF
  • Récupérer les positions du texte page par page comme point de départ pour votre propre script d'extraction ou de conversion

Comment convertir un PDF en HTML ?

  1. Téléversez un PDF dont les pages contiennent du texte sélectionnable ; un scan ne donnera que des images. Cette page n'a pas d'options de conversion.
  2. Cliquez sur Traiter et téléchargez `{name}ToHtml.zip`, puis décompressez-le dans son propre dossier pour que les fichiers de pages et les images restent ensemble.
  3. Ouvrez le fichier HTML principal dans un navigateur pour voir le jeu de cadres, ou ouvrez un seul fichier de page, comme celui en `-1.html`.
  4. Comparez une page avec le PDF : vérifiez que les lignes sont au bon endroit et que l'image d'arrière-plan se charge. Si la page n'affiche aucune image, assurez-vous que les fichiers PNG sont à côté du HTML.
  5. Si le texte manque ou que la mise en page est inutilisable, essayez PDF vers RTF (texte) pour les mots ou PDF vers Markdown pour la structure, ou lancez l'OCR si le fichier est un scan.

Limites et cas limites

  • La sortie est un ZIP, pas un HTML unique
  • Ni impression Chromium, ni export HTML de PDF balisé
  • Une sortie pdftohtml vide est une erreur, pas un 204
  • Mise en page fixe : pas de recomposition, ni titres ni listes sémantiques
  • Chaque page est convertie ; il n'y a pas de plage de pages
  • Les scans ne donnent que des images
  • Limite d’envoi sur ce site : 500 Mo par fichier, envoyé par morceaux au-delà d’environ 95 Mo. Le corps d’une requête API directe est limité à 100 Mo.

Exemples

  • Un PDF texte de deux pages a produit `in.html` (un jeu de cadres), `in_ind.html` (une liste de pages), `in-1.html` et `in-2.html` (un par page) et `in001.png` et `in002.png` (arrière-plans) lors d'un test
  • Lors de cette exécution, le premier fichier de page contenait chaque ligne de texte comme un paragraphe positionné de façon absolue, par exemple à 119 pixels du haut et 108 de la gauche, sur une image d'arrière-plan de 918 par 1188 pixels
  • Un PDF uniquement scanné donne un HTML qui enveloppe surtout ces images de pages

Confidentialité de cet outil

Les fichiers sont envoyés en HTTPS, traités en mémoire ou dans un répertoire temporaire de courte durée sur nos serveurs, puis supprimés dès que le résultat est prêt. Nous ne conservons pas de copies pour une consultation ultérieure, un entraînement de modèles ou des profils publicitaires. Consultez la politique de confidentialité pour la durée de conservation et les cookies AdSense.

Questions fréquentes

Pourquoi le résultat est-il un ZIP ?
pdftohtml écrit le HTML et les images extraites dans un dossier. Le serveur archive ce dossier.
Le HTML collera-t-il à la mise en page du PDF ?
Seulement dans la mesure où le mode -c de Poppler le permet. Les magazines à plusieurs colonnes et les vecteurs denses se décalent souvent.
Puis-je transformer un scan en texte HTML ?
Non. Ce chemin ne fait pas d'OCR. Utilisez OCR vers Markdown si vous avez besoin des mots.
La conversion se fait-elle dans le navigateur ?
Non. Le serveur appelle pdftohtml.
Quel fichier ouvrir en premier après la décompression ?
Ouvrez le fichier HTML qui porte le nom de votre envoi pour obtenir un jeu de cadres avec la liste des pages à gauche. Ou ouvrez directement un fichier de page, nommé d'après l'envoi avec le numéro de page. Gardez tout dans un seul dossier pour que les images d'arrière-plan se chargent.
Pourquoi la page ressemble-t-elle au PDF mais le texte ne se recompose-t-il pas ?
Chaque ligne de texte est placée avec des coordonnées absolues en pixels sur une image d'arrière-plan de la page : la mise en page est donc fixe. C'est ce qui la garde proche du PDF, et aussi ce qui l'empêche de s'adapter à un petit écran.
Le texte du HTML est-il du vrai texte ou une image ?
Pour un PDF avec couche de texte, c'est du vrai texte dans des éléments de paragraphe : vous pouvez le sélectionner, le copier et le rechercher dans un navigateur. Un PDF scanné n'a pas de couche de texte : les pages ressortent donc uniquement en images.
Puis-je obtenir un seul fichier HTML contenant tout ?
Non. La sortie est toujours un ZIP de plusieurs fichiers. Si vous voulez un seul fichier de texte, utilisez PDF vers RTF (texte) ou PDF vers Markdown.
Dois-je utiliser PDF vers HTML ou PDF vers Word ?
Utilisez PDF vers HTML quand vous voulez quelque chose qu'un navigateur peut ouvrir et qui ressemble au PDF. Utilisez PDF vers Word quand une personne doit modifier le contenu, car cet outil reconstruit des paragraphes pour un éditeur au lieu de fixer des lignes à des coordonnées.

Dernière mise à jour:

Appeler depuis le code

Chaque outil du site est un endpoint REST. L'usage anonyme n'exige ni compte ni clé API. Pour le navigateur, les développeurs et les agents IA.

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

Aussi disponible comme outil MCP pour les clients agents qui parlent le Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Référence API complète

L'utiliser depuis un agent IA

Skill

Avec ce skill, Claude Code, Codex, Cursor et d'autres agents IA peuvent exécuter « PDF vers HTML » pour vous : /skills/pdf123-pdf-to-html.md

Tous les skills pour agents

Les fichiers ne servent qu'à ce traitement, puis sont supprimés automatiquement.