मुख्य सामग्री पर जाएँ
PPDF123

PDF को HTML में बदलें

PDF से HTML टूल Poppler के pdftohtml से PDF बदलकर HTML पृष्ठों और उनकी छवियों वाली ZIP देता है। यह लेआउट डंप है, साफ़ वेब मार्कअप नहीं, और यह OCR नहीं करता।

फ़ाइलें यहाँ खींचकर छोड़ें, या क्लिक कर चुनें

PDF स्वीकार्य · हर फ़ाइल अधिकतम 500.0 MB · एक बार में अधिकतम 20 फ़ाइलें

आप Ctrl/Cmd+V से या क्लिपबोर्ड मेन्यू से फ़ाइल चिपका भी सकते हैं।

PDF से HTML Poppler का `pdftohtml -c` चलाता है और वह टूल आउटपुट निर्देशिका में जो कुछ भी लिखता है उसे ZIP में बाँध देता है। डाउनलोड `{base}ToHtml.zip` होता है, कोई अकेली `.html` फ़ाइल नहीं। ब्राउज़र जैसा जटिल CSS लक्ष्य नहीं है; यह Poppler का HTML और छवि डंप है।

कोई फ़ॉर्म फ़ील्ड नहीं हैं। हर पृष्ठ बदला जाता है। अगर `pdftohtml` कुछ भी न लिखे, तो API ख़ाली ज़िप देने के बजाय आंतरिक त्रुटि लौटाता है।

यह OCR नहीं है। केवल-छवि वाले स्कैन HTML पैकेज के भीतर चित्र बन जाते हैं, चुनने योग्य पाठ नहीं। पासवर्ड-सुरक्षित फ़ाइलें इस पृष्ठ पर पासवर्ड डालते ही आपके लिए खोल दी जाती हैं; API उपयोगकर्ता पहले पासवर्ड हटाएँ चलाएँ।

अगर आपको केवल शब्द चाहिए, तो PDF से RTF (पाठ) छोटा रहता है। अगर आपको CMS के अनुकूल लेख चाहिए, तो PDF से Markdown ज़्यादा क़रीब है।

ZIP के भीतर क्या है, दो पृष्ठ की पाठ PDF पर Poppler के `pdftohtml -c` की एक रन से: एक `in.html` जो केवल फ़्रेमसेट है, हर पृष्ठ के लिए एक लिंक वाला `in_ind.html` इंडेक्स, हर पृष्ठ के लिए एक HTML फ़ाइल (`in-1.html`, `in-2.html`), और हर पृष्ठ के लिए एक पृष्ठभूमि PNG (`in001.png`, `in002.png`)। नाम आपके अपलोड की फ़ाइल के नाम से शुरू होते हैं। बाईं ओर पृष्ठ सूची वाला फ़्रेमसेट देखने के लिए अपने अपलोड के नाम वाली फ़ाइल खोलें, या किसी एक पृष्ठ की फ़ाइल सीधे खोलें। Poppler का दूसरा संस्करण चीज़ों के नाम या व्यवस्था थोड़ी अलग रख सकता है।

हर पृष्ठ की फ़ाइल पाठ की हर पंक्ति को निरपेक्ष निर्देशांकों से रखती है, `top` और `left` पिक्सेल मानों वाले अलग-अलग अनुच्छेदों के रूप में, पृष्ठ की पृष्ठभूमि छवि के ऊपर। उस रन में 612 गुणा 792 बिंदु का पृष्ठ 918 गुणा 1188 पिक्सेल का ब्लॉक बना, यानी बिंदु आकार का 1.5 गुना, और पाठ चित्र बनने के बजाय असली, चुनने योग्य HTML पाठ बना रहा। क्योंकि हर पंक्ति पिक्सेल स्थान पर जड़ी है, नतीजा PDF जैसा दिखता है पर संकरी स्क्रीन पर दोबारा नहीं बैठता और उसे संपादित करना असुविधाजनक है।

इसे स्थिर-लेआउट प्रति समझें, साफ़ वेब लेख नहीं। शीर्षक, सूचियाँ और अनुच्छेद सिमेंटिक HTML तत्वों के रूप में दोबारा नहीं बनते। अगर आपको ऐसी सामग्री चाहिए जिसे CMS में डाल सकें, तो इसके बजाय Markdown में बदलें। अगर आपको लोगों के लिए संपादन योग्य दस्तावेज़ चाहिए, तो PDF से Word इस्तेमाल करें। अगर आपको केवल सादे शब्द चाहिए, तो PDF से RTF (पाठ) इस्तेमाल करें।

स्कैन की गई PDF में बदलने के लिए कोई पाठ परत नहीं होती। हर पृष्ठ एक छवि है, इसलिए HTML पृष्ठ उसी चित्र को लपेटते हैं और चुनने के लिए शब्द नहीं होते। अगर आपको शब्द चाहिए तो पहले OCR चलाएँ, पर ध्यान रहे कि OCR Markdown लौटाता है, वह PDF नहीं जिसे आप इस टूल में वापस डाल सकें।

उलटी दिशा HTML से PDF है, जो HTML पृष्ठ से PDF बनाता है और इस रूपांतरण को पलटता नहीं।

सुविधाएँ

  • Poppler `pdftohtml -c` से HTML और संसाधनों का ZIP
  • हर पृष्ठ के लिए एक HTML फ़ाइल, साथ में एक इंडेक्स और एक फ़्रेमसेट पृष्ठ
  • पाठ हर पृष्ठ की पृष्ठभूमि छवि के ऊपर निरपेक्ष रूप से रखा जाता है
  • पृष्ठ-सीमा या थीम के विकल्प नहीं
  • OCR नहीं; स्कैन पैकेज में छवियों के रूप में ही रहते हैं
  • अनाम API: /api/v1/convert/pdf/html

यह उपकरण कब इस्तेमाल करें

  • पाठ परत वाली PDF का मोटा HTML डंप पाना
  • pdftohtml जो पृष्ठ छवियाँ निकालता है उन्हें निकालना
  • अपनी पाइपलाइन से पहले देखना कि Poppler फ़ाइल को कैसे देखता है
  • PDF व्यूअर के बिना ब्राउज़र में PDF की स्थिर-लेआउट प्रति पढ़ना
  • अपनी स्क्रैपिंग या रूपांतरण स्क्रिप्ट के प्रारंभिक बिंदु के रूप में हर पृष्ठ पर पाठ की स्थितियाँ इकट्ठा करना

PDF को HTML में कैसे बदलें?

  1. ऐसी PDF अपलोड करें जिसके पृष्ठों में चुनने योग्य पाठ हो; स्कैन केवल छवियों में बदलेगा। इस पृष्ठ पर रूपांतरण के विकल्प नहीं हैं।
  2. प्रोसेस पर क्लिक करें और `{name}ToHtml.zip` डाउनलोड करें, फिर उसे अपने अलग फ़ोल्डर में अनज़िप करें ताकि पृष्ठ फ़ाइलें और छवियाँ साथ रहें।
  3. फ़्रेमसेट देखने के लिए मुख्य HTML फ़ाइल ब्राउज़र में खोलें, या `-1.html` जैसी कोई एक पृष्ठ फ़ाइल खोलें।
  4. किसी पृष्ठ को PDF से मिलाएँ: जाँचें कि पंक्तियाँ सही जगह पर हैं और पृष्ठभूमि छवि लोड होती है। अगर पृष्ठ पर छवि न दिखे, तो पक्का करें कि PNG फ़ाइलें HTML के बग़ल में हैं।
  5. अगर पाठ ग़ायब हो या लेआउट इस्तेमाल लायक़ न हो, तो शब्दों के लिए PDF से RTF (पाठ) या संरचना के लिए PDF से Markdown आज़माएँ, या फ़ाइल स्कैन हो तो OCR चलाएँ।

सीमाएँ और अपवाद

  • आउटपुट ZIP है, एक HTML फ़ाइल नहीं
  • Chromium प्रिंट या टैग की गई PDF का HTML एक्सपोर्ट नहीं
  • pdftohtml का ख़ाली आउटपुट त्रुटि है, 204 नहीं
  • तय लेआउट: पुनः-प्रवाह नहीं, और कोई सिमेंटिक शीर्षक या सूचियाँ नहीं
  • हर पृष्ठ बदला जाता है; पृष्ठ-सीमा नहीं है
  • स्कैन केवल छवियाँ देते हैं
  • इस वेबसाइट पर अपलोड सीमा: प्रति फ़ाइल 500 MB, लगभग 95 MB से ऊपर की फ़ाइलें टुकड़ों में भेजी जाती हैं। सीधे एक API अनुरोध का बॉडी अधिकतम 100 MB का हो सकता है।

उदाहरण

  • एक परीक्षण रन में दो पृष्ठ की पाठ PDF से `in.html` (फ़्रेमसेट), `in_ind.html` (पृष्ठ सूची), `in-1.html` और `in-2.html` (हर पृष्ठ के लिए एक) और `in001.png` तथा `in002.png` (पृष्ठभूमियाँ) बनीं
  • उसी रन में पहले पृष्ठ की फ़ाइल ने पाठ की हर पंक्ति को निरपेक्ष स्थान वाले अनुच्छेद के रूप में रखा, जैसे ऊपर से 119 पिक्सेल और बाईं ओर से 108 पर, 918 गुणा 1188 पिक्सेल की पृष्ठभूमि छवि के ऊपर
  • केवल-स्कैन PDF ऐसा HTML देती है जो ज़्यादातर उन पृष्ठ छवियों को लपेटता है

इस उपकरण की गोपनीयता

फ़ाइलें HTTPS पर अपलोड होती हैं, सर्वर की मेमोरी या अल्पकालिक अस्थायी निर्देशिका में संसाधित होती हैं, और परिणाम तैयार होते ही हटा दी जाती हैं। हम बाद में देखने, मॉडल प्रशिक्षण या विज्ञापन प्रोफ़ाइल के लिए प्रतियाँ नहीं रखते। प्रतिधारण अवधि और AdSense कुकी विवरण गोपनीयता नीति में हैं।

अक्सर पूछे सवाल

नतीजा ZIP क्यों है?
pdftohtml HTML और निकाली गई छवियाँ एक फ़ोल्डर में लिखता है। सर्वर उस फ़ोल्डर को ज़िप करता है।
क्या HTML मेरी PDF के लेआउट से मेल खाएगा?
केवल उतना, जितना Poppler का -c मोड खा सके। बहु-स्तंभ पत्रिकाएँ और भारी वेक्टर अक्सर ग़लत दिखते हैं।
क्या मैं स्कैन को HTML पाठ में बदल सकता हूँ?
नहीं। यह रास्ता OCR नहीं करता। शब्द चाहिए तो OCR से Markdown इस्तेमाल करें।
क्या यह ब्राउज़र में चलता है?
नहीं। सर्वर pdftohtml को शेल से चलाता है।
अनज़िप करने के बाद पहले कौन-सी फ़ाइल खोलूँ?
बाईं ओर पृष्ठ सूची वाला फ़्रेमसेट पाने के लिए आपके अपलोड के नाम वाली HTML फ़ाइल खोलें। या कोई पृष्ठ फ़ाइल सीधे खोलें, जिसका नाम अपलोड के नाम के साथ पृष्ठ संख्या होता है। सब कुछ एक ही फ़ोल्डर में रखें ताकि पृष्ठभूमि छवियाँ लोड हों।
पृष्ठ PDF जैसा दिखता है पर पाठ दोबारा क्यों नहीं बैठता?
पाठ की हर पंक्ति पृष्ठ की पृष्ठभूमि छवि के ऊपर निरपेक्ष पिक्सेल निर्देशांकों से रखी जाती है, इसलिए लेआउट तय है। यही उसे PDF के क़रीब रखता है और यही कारण है कि वह छोटी स्क्रीन के अनुसार नहीं ढलता।
क्या HTML का पाठ असली पाठ है या चित्र?
पाठ परत वाली PDF के लिए वह अनुच्छेद तत्वों में असली पाठ है, इसलिए आप उसे ब्राउज़र में चुन, कॉपी और खोज सकते हैं। स्कैन की हुई PDF में पाठ परत नहीं होती, इसलिए पृष्ठ केवल छवियों के रूप में निकलते हैं।
क्या मुझे सब कुछ एक ही HTML फ़ाइल में मिल सकता है?
नहीं। आउटपुट हमेशा कई फ़ाइलों का ZIP होता है। पाठ की एक फ़ाइल चाहिए तो PDF से RTF (पाठ) या PDF से Markdown इस्तेमाल करें।
मैं यह इस्तेमाल करूँ या PDF से Word?
जब आपको ऐसा कुछ चाहिए जिसे ब्राउज़र खोल सके और जो PDF जैसा दिखे, तब PDF से HTML इस्तेमाल करें। जब किसी व्यक्ति को सामग्री संपादित करनी हो, तब PDF से Word इस्तेमाल करें, क्योंकि वह टूल पंक्तियों को निर्देशांकों पर जड़ने के बजाय एडिटर के लिए अनुच्छेद दोबारा बनाता है।

आख़िरी अपडेट:

कोड से कॉल करें

यहाँ हर उपकरण एक सादा REST एंडपॉइंट है। गुमनाम इस्तेमाल के लिए खाता या API कुंजी नहीं चाहिए। ब्राउज़र, डेवलपर और AI एजेंट, तीनों के लिए।

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

Model Context Protocol बोलने वाले एजेंट क्लाइंट के लिए MCP उपकरण भी है (JSON-RPC 2.0, POST /mcp)। पूरा API संदर्भ

AI एजेंट से इस्तेमाल करें

स्किल

इस स्किल से Claude Code, Codex, Cursor और दूसरे AI एजेंट आपके लिए “PDF से HTML” चला सकते हैं: /skills/pdf123-pdf-to-html.md

सभी एजेंट स्किल

फ़ाइलें केवल इस काम के लिए इस्तेमाल होती हैं, फिर अपने आप मिट जाती हैं।