Ubah PDF Menjadi HTML
PDF ke HTML mengonversi PDF dengan pdftohtml milik Poppler dan mengirim ZIP berisi halaman HTML beserta gambarnya. Hasilnya dump tata letak, bukan markup web yang bersih, dan tidak ada OCR.
Seret file ke sini, atau klik untuk memilih
Menerima PDF · maksimal 500.0 MB per file · hingga 20 file sekaligus
Anda juga dapat menempelkan file dengan Ctrl/Cmd+V atau dari menu papan klip.
PDF ke HTML menjalankan Poppler `pdftohtml -c` dan mengemas apa pun yang ditulis alat itu ke direktori keluaran menjadi ZIP. Unduhannya adalah `{base}ToHtml.zip`, bukan satu berkas `.html`. Tujuannya bukan CSS kelas browser; ini adalah dump HTML dan gambar dari Poppler.
Tidak ada bidang formulir. Setiap halaman dikonversi. Jika `pdftohtml` tidak menulis apa pun, API mengembalikan galat internal, bukan ZIP kosong.
Ini bukan OCR. Pindaian yang hanya berisi gambar menjadi gambar di dalam paket HTML, bukan teks yang bisa dipilih. Berkas yang dilindungi kata sandi dibuka untuk Anda di halaman ini setelah Anda memasukkan kata sandinya; pengguna API harus menjalankan Hapus kata sandi lebih dulu.
Jika Anda hanya butuh kata-katanya, PDF ke RTF (teks) lebih ringkas. Jika Anda butuh artikel yang ramah CMS, PDF ke Markdown lebih dekat.
Isi ZIP, dari satu kali jalan Poppler `pdftohtml -c` pada PDF teks dua halaman: `in.html` yang hanya berupa frameset, indeks `in_ind.html` dengan satu tautan per halaman, satu berkas HTML per halaman (`in-1.html`, `in-2.html`), dan satu PNG latar per halaman (`in001.png`, `in002.png`). Namanya diawali dari nama berkas unggahan Anda. Buka berkas yang dinamai sesuai unggahan Anda untuk melihat frameset dengan daftar halaman di sebelah kiri, atau buka langsung satu berkas halaman. Versi Poppler lain mungkin menamai atau menata sedikit berbeda.
Setiap berkas halaman menempatkan setiap baris teks dengan koordinat absolut, sebagai paragraf terpisah dengan nilai `top` dan `left` dalam piksel, di atas gambar latar halaman. Pada pengujian itu halaman 612 kali 792 poin menjadi blok 918 kali 1188 piksel, 1,5 kali ukuran poinnya, dan teksnya tetap berupa teks HTML sungguhan yang bisa dipilih, bukan gambar. Karena setiap baris dikunci pada posisi piksel, hasilnya tampak seperti PDF tetapi tidak mengalir ulang di layar sempit dan sulit disunting.
Pahami ini sebagai salinan dengan tata letak tetap, bukan artikel web yang bersih. Judul, daftar, dan paragraf tidak dibangun ulang sebagai elemen HTML semantik. Jika Anda ingin konten yang bisa dimasukkan ke CMS, konversikan ke Markdown. Jika Anda ingin dokumen yang bisa disunting orang, pakai PDF ke Word. Jika Anda hanya ingin kata-katanya, pakai PDF ke RTF (teks).
PDF hasil pindai tidak punya lapisan teks untuk dikonversi. Setiap halaman adalah gambar, jadi halaman HTML membungkus gambar itu dan tidak ada kata untuk dipilih. Jalankan OCR dulu jika Anda butuh kata-katanya, tetapi perhatikan bahwa OCR mengembalikan Markdown, bukan PDF yang bisa Anda umpankan kembali ke alat ini.
Arah sebaliknya adalah HTML ke PDF, yang membuat PDF dari halaman HTML dan tidak membatalkan konversi ini.
Fitur
- Poppler `pdftohtml -c` ke ZIP berisi HTML dan aset
- Satu berkas HTML per halaman plus indeks dan halaman frameset
- Teks diposisikan secara absolut di atas gambar latar setiap halaman
- Tanpa opsi rentang halaman atau tema
- Bukan OCR; pindaian tetap menjadi gambar di dalam paket
- API anonim di /api/v1/convert/pdf/html
Kapan memakai alat ini
- Mendapat dump HTML kasar dari PDF berlapisan teks
- Mengambil gambar halaman tertanam yang diekstrak pdftohtml
- Memeriksa bagaimana Poppler memahami berkas sebelum pipeline sendiri
- Membaca salinan PDF dengan tata letak tetap di browser tanpa penampil PDF
- Mengumpulkan posisi teks per halaman sebagai titik awal untuk skrip scraping atau konversi Anda sendiri
Bagaimana cara mengubah PDF menjadi HTML?
- Unggah PDF yang halamannya berisi teks yang bisa dipilih; pindaian hanya akan terkonversi menjadi gambar. Tidak ada opsi konversi di halaman ini.
- Klik Proses dan unduh `{name}ToHtml.zip`, lalu ekstrak ke foldernya sendiri agar berkas halaman dan gambar tetap bersama.
- Buka berkas HTML utama di browser untuk melihat frameset, atau buka satu berkas halaman seperti yang berakhiran `-1.html`.
- Bandingkan satu halaman dengan PDF: periksa bahwa baris berada di tempat yang benar dan gambar latar termuat. Jika halaman tidak menampilkan gambar, pastikan berkas PNG berada di samping HTML.
- Jika teks hilang atau tata letaknya tidak bisa dipakai, coba PDF ke RTF (teks) untuk kata-katanya atau PDF ke Markdown untuk strukturnya, atau jalankan OCR jika berkasnya hasil pindai.
Batasan dan kasus khusus
- Keluaran berupa ZIP, bukan satu berkas HTML
- Bukan cetak Chromium dan bukan ekspor HTML tagged-PDF
- Keluaran pdftohtml kosong adalah galat, bukan 204
- Tata letak tetap: tidak mengalir ulang, dan tanpa judul atau daftar semantik
- Setiap halaman dikonversi; tidak ada rentang halaman
- Pindaian hanya menghasilkan gambar
- Batas unggah di situs ini: 500 MB per berkas, dikirim bertahap (per potongan) di atas sekitar 95 MB. Satu permintaan API langsung dibatasi 100 MB.
Contoh
- PDF teks dua halaman menghasilkan `in.html` (frameset), `in_ind.html` (daftar halaman), `in-1.html` dan `in-2.html` (satu per halaman), serta `in001.png` dan `in002.png` (latar) pada satu kali uji
- Pada uji itu berkas halaman pertama memuat setiap baris teks sebagai paragraf berposisi absolut, misalnya pada 119 piksel dari atas dan 108 dari kiri, di atas gambar latar 918 kali 1188 piksel
- PDF yang hanya berisi pindaian menghasilkan HTML yang sebagian besar membungkus gambar-gambar halaman itu
Privasi alat ini
File diunggah lewat HTTPS, diproses di memori atau direktori sementara singkat di server kami, lalu dihapus saat hasil siap. Kami tidak menyimpan salinan untuk ditelusuri nanti, pelatihan, atau profil iklan. Lihat Kebijakan Privasi untuk retensi dan pengungkapan cookie AdSense.
Pertanyaan umum
- Mengapa hasilnya ZIP?
- pdftohtml menulis HTML plus gambar yang diekstrak ke sebuah folder. Server mengemas folder itu.
- Apakah HTML akan sesuai dengan tata letak PDF saya?
- Hanya sejauh kemampuan mode -c Poppler. Majalah banyak kolom dan banyak vektor sering tampak salah.
- Bisakah mengubah pindaian menjadi teks HTML?
- Tidak. Jalur ini tanpa OCR. Pakai OCR ke Markdown jika Anda butuh kata-katanya.
- Apakah dijalankan di browser?
- Tidak. Server memanggil pdftohtml.
- Berkas mana yang dibuka dulu setelah diekstrak?
- Buka berkas HTML yang membawa nama unggahan Anda untuk mendapat frameset dengan daftar halaman di sebelah kiri. Atau buka langsung berkas halaman, yang dinamai sesuai unggahan dengan nomor halaman. Simpan semuanya dalam satu folder agar gambar latar termuat.
- Mengapa halamannya tampak seperti PDF tetapi teksnya tidak mengalir ulang?
- Setiap baris teks ditempatkan dengan koordinat piksel absolut di atas gambar latar halaman, jadi tata letaknya tetap. Itulah yang membuatnya dekat dengan PDF dan juga mengapa ia tidak menyesuaikan dengan layar kecil.
- Apakah teks di HTML adalah teks sungguhan atau gambar?
- Untuk PDF dengan lapisan teks, itu teks sungguhan di elemen paragraf, jadi Anda bisa memilih, menyalin, dan mencarinya di browser. PDF hasil pindai tidak punya lapisan teks, jadi halamannya keluar hanya sebagai gambar.
- Bisakah saya mendapat satu berkas HTML yang berisi semuanya?
- Tidak. Keluarannya selalu ZIP berisi beberapa berkas. Jika Anda butuh satu berkas teks, pakai PDF ke RTF (teks) atau PDF ke Markdown.
- Sebaiknya pakai ini atau PDF ke Word?
- Pakai PDF ke HTML bila Anda ingin sesuatu yang bisa dibuka browser dan tampak seperti PDF. Pakai PDF ke Word bila seseorang harus menyunting kontennya, karena alat itu membangun ulang paragraf untuk editor alih-alih mengunci baris pada koordinat.
Terakhir diperbarui:
Panggil dari kode
Setiap alat di situs ini adalah antarmuka REST biasa. Pemakaian anonim tidak butuh akun atau kunci API. Bisa dipakai dari browser, oleh pengembang, maupun agen AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfJuga tersedia sebagai alat MCP untuk klien agen yang memakai Model Context Protocol (JSON-RPC 2.0 lewat POST /mcp). Referensi API lengkap
Gunakan dari agen AI
SkillDengan skill ini, Claude Code, Codex, Cursor, dan agen AI lainnya bisa menjalankan "PDF ke HTML" untuk Anda: /skills/pdf123-pdf-to-html.md
File hanya dipakai untuk pemrosesan ini, lalu dihapus otomatis.