Converti PDF in HTML
PDF in HTML converte un PDF con pdftohtml di Poppler e consegna uno ZIP con le pagine HTML e le loro immagini. È un dump di layout più che un markup web pulito, e non fa OCR.
Trascina i file qui, o clicca per sceglierli
Accetta PDF · fino a 500.0 MB per file · fino a 20 file alla volta
Puoi anche incollare un file con Ctrl/Cmd+V o dal menu degli appunti.
PDF in HTML esegue Poppler `pdftohtml -c` e mette in ZIP tutto ciò che lo strumento scrive nella directory di output. Il download è `{base}ToHtml.zip`, non un singolo file `.html`. L'obiettivo non è un CSS da browser complesso; questo è il dump HTML e immagini di Poppler.
Non ci sono campi del modulo. Ogni pagina viene convertita. Se `pdftohtml` non scrive nulla, l'API restituisce un errore interno invece di uno ZIP vuoto.
Non è OCR. Le scansioni fatte solo di immagini diventano immagini dentro il pacchetto HTML, non testo selezionabile. I file protetti da password vengono sbloccati per te su questa pagina una volta inserita la password; chi usa l'API deve prima passare da Rimuovi password.
Se ti servono solo le parole, PDF in RTF (testo) è più leggero. Se ti serve un articolo adatto a un CMS, PDF in Markdown è più vicino.
Che cosa c'è dentro lo ZIP, da un'esecuzione di `pdftohtml -c` di Poppler su un PDF di testo di due pagine: un `in.html` che è solo un frameset, un indice `in_ind.html` con un collegamento per pagina, un file HTML per pagina (`in-1.html`, `in-2.html`) e un PNG di sfondo per pagina (`in001.png`, `in002.png`). I nomi partono dal nome del file che hai caricato. Apri il file che porta il nome del tuo caricamento per vedere il frameset con l'elenco delle pagine a sinistra, oppure apri direttamente il file di una singola pagina. Un'altra versione di Poppler può nominare o disporre le cose in modo leggermente diverso.
Ogni file di pagina posiziona ogni riga di testo con coordinate assolute, come paragrafi separati con valori `top` e `left` in pixel, sopra l'immagine di sfondo della pagina. In quell'esecuzione una pagina di 612 per 792 punti è diventata un blocco di 918 per 1188 pixel, 1,5 volte la dimensione in punti, e il testo è rimasto vero testo HTML selezionabile e non un'immagine. Poiché ogni riga è fissata a una posizione in pixel, il risultato assomiglia al PDF ma non si riadatta su uno schermo stretto ed è scomodo da modificare.
Consideralo una copia a layout fisso, non un pulito articolo web. Titoli, elenchi e paragrafi non vengono ricostruiti come elementi HTML semantici. Se vuoi un contenuto da inserire in un CMS, converti invece in Markdown. Se vuoi un documento modificabile per le persone, usa PDF in Word. Se vuoi solo le parole semplici, usa PDF in RTF (testo).
I PDF scansionati non hanno uno strato di testo da convertire. Ogni pagina è un'immagine, quindi le pagine HTML avvolgono quell'immagine e non ci sono parole da selezionare. Esegui prima l'OCR se ti servono le parole, ma tieni presente che l'OCR restituisce Markdown, non un PDF che potresti rimettere in questo strumento.
La direzione inversa è HTML in PDF, che crea un PDF da una pagina HTML e non annulla questa conversione.
Funzioni
- Poppler `pdftohtml -c` in uno ZIP di HTML e risorse
- Un file HTML per pagina più un indice e una pagina frameset
- Il testo è posizionato in modo assoluto sopra un'immagine di sfondo di ogni pagina
- Nessuna opzione di intervallo di pagine o tema
- Non è OCR; le scansioni restano immagini nel pacchetto
- API anonima: /api/v1/convert/pdf/html
Quando usarlo
- Ottenere un dump HTML approssimativo di un PDF con strato di testo
- Estrarre le immagini di pagina incorporate che pdftohtml estrae
- Ispezionare come Poppler vede il file prima di una pipeline personalizzata
- Leggere in un browser una copia a layout fisso di un PDF senza un visualizzatore PDF
- Raccogliere le posizioni del testo per pagina come punto di partenza per il tuo script di scraping o di conversione
Come convertire un PDF in HTML?
- Carica un PDF le cui pagine contengono testo selezionabile; una scansione si convertirà solo in immagini. In questa pagina non ci sono opzioni di conversione.
- Fai clic su Elabora e scarica `{name}ToHtml.zip`, poi decomprimilo in una cartella a sé in modo che i file delle pagine e le immagini restino insieme.
- Apri il file HTML principale in un browser per vedere il frameset, oppure apri il file di una singola pagina come quello `-1.html`.
- Confronta una pagina con il PDF: controlla che le righe siano al posto giusto e che l'immagine di sfondo si carichi. Se la pagina non mostra nessuna immagine, assicurati che i file PNG siano accanto all'HTML.
- Se il testo manca o il layout è inutilizzabile, prova PDF in RTF (testo) per le parole o PDF in Markdown per la struttura, oppure esegui l'OCR se il file è una scansione.
Limiti e casi limite
- L'output è uno ZIP, non un solo file HTML
- Non è una stampa Chromium né un'esportazione HTML da PDF con tag
- Un output vuoto di pdftohtml è un errore, non un 204
- Layout fisso: nessun riadattamento e nessun titolo o elenco semantico
- Ogni pagina viene convertita; non c'è un intervallo di pagine
- Le scansioni danno solo immagini
- Limite di caricamento su questo sito: 500 MB per file, inviati a blocchi oltre circa 95 MB. Il corpo di una singola richiesta API diretta è limitato a 100 MB.
Esempi
- Un PDF di testo di due pagine ha prodotto in un'esecuzione di prova `in.html` (un frameset), `in_ind.html` (un elenco di pagine), `in-1.html` e `in-2.html` (uno per pagina) e `in001.png` e `in002.png` (sfondi)
- In quell'esecuzione il file della prima pagina conteneva ogni riga di testo come paragrafo posizionato in modo assoluto, per esempio a 119 pixel dall'alto e 108 da sinistra, sopra un'immagine di sfondo di 918 per 1188 pixel
- Un PDF solo scansione produce un HTML che per lo più avvolge quelle immagini di pagina
Privacy di questo strumento
I file vengono caricati su HTTPS, elaborati in memoria o in una directory temporanea di breve durata sui nostri server, e cancellati quando il risultato è pronto. Non conserviamo copie per consultarle in seguito, per addestrare modelli o per profili pubblicitari. Consulta l'Informativa sulla privacy per i tempi di conservazione e i cookie AdSense.
Domande frequenti
- Perché il risultato è uno ZIP?
- pdftohtml scrive HTML più le immagini estratte in una cartella. Il server mette in ZIP quella cartella.
- L'HTML corrisponderà al layout del mio PDF?
- Solo quanto riesce la modalità -c di Poppler. Riviste a più colonne e molta grafica vettoriale spesso risultano sbagliate.
- Posso convertire una scansione in testo HTML?
- No. Questo percorso non fa OCR. Usa OCR in Markdown se ti servono le parole.
- Funziona nel browser?
- No. Il server lancia pdftohtml.
- Quale file apro per primo dopo aver decompresso?
- Apri il file HTML che porta il nome del tuo caricamento per avere un frameset con un elenco di pagine a sinistra. Oppure apri direttamente un file di pagina, che prende il nome del caricamento con il numero di pagina. Tieni tutto in una sola cartella in modo che le immagini di sfondo si carichino.
- Perché la pagina assomiglia al PDF ma il testo non si riadatta?
- Ogni riga di testo è posizionata con coordinate assolute in pixel sopra un'immagine di sfondo della pagina, quindi il layout è fisso. È ciò che lo mantiene vicino al PDF ed è anche il motivo per cui non si adatta a uno schermo piccolo.
- Il testo nell'HTML è vero testo o un'immagine?
- Per un PDF con uno strato di testo, è vero testo in elementi paragrafo, quindi puoi selezionarlo, copiarlo e cercarlo in un browser. Un PDF scansionato non ha uno strato di testo, quindi le pagine escono solo come immagini.
- Posso ottenere un solo file HTML con tutto dentro?
- No. L'output è sempre uno ZIP di più file. Se ti serve un solo file di testo, usa PDF in RTF (testo) o PDF in Markdown.
- Meglio questo o PDF in Word?
- Usa PDF in HTML quando vuoi qualcosa che un browser possa aprire e che assomigli al PDF. Usa PDF in Word quando una persona deve modificare il contenuto, perché quello strumento ricostruisce i paragrafi per un editor invece di fissare le righe a coordinate.
Ultimo aggiornamento:
Chiamalo dal codice
Ogni strumento del sito è un'interfaccia REST. Per l'uso anonimo non servono account né chiave API. Va bene per browser, sviluppatori e agenti IA.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfDisponibile anche come strumento MCP per i client che parlano Model Context Protocol (JSON-RPC 2.0 su POST /mcp). Riferimento API completo
Usalo da un agente IA
SkillCon questa skill, Claude Code, Codex, Cursor e altri agenti IA possono eseguire «PDF in HTML» al posto tuo: /skills/pdf123-pdf-to-html.md
I file servono solo a questa elaborazione e poi vengono cancellati.