PDFをHTMLファイルにする
PDFからHTMLは、Popplerのpdftohtmlを使ってPDFを変換し、HTMLページと画像をまとめたZIPを渡します。整ったウェブ用マークアップではなくレイアウトの書き出しで、OCRは行いません。
ファイルをここにドロップするか、クリックして選んでください
対応形式:PDF・1ファイル500.0 MBまで · 一度に最大20ファイル
Ctrl/Cmd+V またはクリップボードメニューからファイルを貼り付けることもできます。
PDFからHTML は Poppler `pdftohtml -c` を実行し、そのツールが出力ディレクトリに書いた内容を ZIP にまとめます。ダウンロード名は `{base}ToHtml.zip` であり、単一の `.html` ではありません。目標はブラウザ級 CSS ではなく、Poppler の HTML と画像の書き出しです。
このページにフォーム欄はありません。すべてのページが変換されます。`pdftohtml` が何も書かなければ、空 ZIP ではなく内部エラーが返ります。
OCR ではありません。純画像スキャンは HTML パッケージ内の画像になり、選べる文字にはなりません。パスワード保護されたファイルは、このページでパスワードを入力すると自動で解除されます。API を使う場合は先にパスワード解除を実行してください。
文字だけでよいなら PDFからテキスト です。CMS 向けの記事なら PDFからMarkdown です。
ZIP の中身は、2 ページのテキスト PDF で Poppler の `pdftohtml -c` を実行した結果では次のとおりです。フレームセットだけの `in.html`、ページごとに 1 つのリンクがある `in_ind.html` の索引、ページごとの HTML ファイル(`in-1.html`、`in-2.html`)、ページごとの背景 PNG(`in001.png`、`in002.png`)です。名前はアップロードしたファイル名から始まります。アップロードにちなんだ名前のファイルを開くと、左にページ一覧のあるフレームセットが表示されます。1 ページ分のファイルを直接開くこともできます。Poppler のバージョンが違うと、名前や配置が少し異なることがあります。
各ページのファイルは、テキストのすべての行を、ピクセル単位の `top` と `left` の値を持つ個別の段落として、絶対座標で、ページの背景画像の上に配置します。その実行では、612 × 792 ポイントのページが 918 × 1188 ピクセルのブロック(ポイントサイズの 1.5 倍)になり、テキストは画像ではなく、選択できる本物の HTML テキストのままでした。すべての行がピクセル位置に固定されているため、結果は PDF のように見えますが、狭い画面では再配置されず、編集もしにくくなります。
これは、整ったウェブ記事ではなく、固定レイアウトのコピーだと理解してください。見出し、リスト、段落は、意味を持つ HTML 要素としては組み直されません。CMS にそのまま入れられる内容が欲しければ、代わりに Markdown に変換してください。人が編集できる文書が欲しければ PDFからWord を、文字だけが欲しければ PDFからテキスト を使います。
スキャンした PDF には変換できるテキスト層がありません。各ページは画像なので、HTML のページはその画像を包むだけで、選択できる文字はありません。文字が必要なら先に OCR を実行してください。ただし、OCR が返すのは Markdown で、このツールに戻せる PDF ではありません。
逆方向は HTMLからPDF で、HTML ページから PDF を作りますが、この変換を元に戻すものではありません。
機能
- Poppler `pdftohtml -c`。HTML とリソースの ZIP
- ページごとに 1 つの HTML ファイルに加え、索引とフレームセットのページ
- テキストは各ページの背景画像の上に絶対位置で配置される
- ページ範囲やテーマの選択肢なし
- OCR ではない。スキャンはパッケージ内でなお画像
- 匿名 API:/api/v1/convert/pdf/html
こんなときに使う
- テキスト層付き PDF から粗い HTML を得る
- pdftohtml が抽出したページ画像を持ち帰る
- 自前パイプラインの前に、Poppler がこのファイルをどう理解するか見る
- PDF ビューアーなしで、PDF の固定レイアウトのコピーをブラウザーで読む
- ページごとのテキスト位置を、自作のスクレイピングや変換スクリプトの出発点として集める
PDFをHTMLに変換するには?
- 選択できるテキストがあるページの PDF をアップロードします。スキャンは画像だけに変換されます。このページに変換オプションはありません。
- 処理をクリックし、`{name}ToHtml.zip` をダウンロードして、ページのファイルと画像がまとまるよう、専用のフォルダーに解凍します。
- ブラウザーでメインの HTML ファイルを開いてフレームセットを見るか、`-1.html` のような 1 ページ分のファイルを開きます。
- ページを PDF と比べます。行が正しい位置にあるか、背景画像が読み込まれるかを確認します。ページに画像が出ない場合は、PNG ファイルが HTML の隣にあるか確かめてください。
- テキストが欠けていたりレイアウトが使えなかったりする場合は、文字なら PDFからテキスト、構造なら PDFからMarkdown を試すか、ファイルがスキャンなら OCR を実行してください。
制限と注意点
- 出力は ZIP。単一 HTML ではない
- Chromium 印刷でも、タグ付き PDF の HTML 書き出しでもない
- pdftohtml の空出力はエラーであり、204 ではない
- 固定レイアウト。再配置はなく、意味のある見出しやリストもない
- すべてのページが変換され、ページ範囲の指定はない
- スキャンは画像だけになる
- このサイトのアップロード上限は 1 ファイルあたり 500 MB で、約 95 MB を超えると分割して送信されます。API への直接リクエスト 1 回の本文は 100 MB までです。
例
- 2 ページのテキスト PDF は、テスト実行で `in.html`(フレームセット)、`in_ind.html`(ページ一覧)、`in-1.html` と `in-2.html`(ページごと)、`in001.png` と `in002.png`(背景)を生成した
- その実行では、最初のページのファイルが、テキストの各行を絶対位置の段落として、たとえば上から 119 ピクセル、左から 108 ピクセルの位置に、918 × 1188 ピクセルの背景画像の上に保持していた
- スキャンだけの PDF は、主にそれらのページ画像を包む HTML になる
このツールのプライバシー
ファイルは HTTPS でアップロードされ、サーバーのメモリまたは短命の一時ディレクトリで処理され、結果の準備ができた時点で削除されます。後から閲覧・学習・広告プロファイル用にコピーは残しません。保持期間と AdSense Cookie の開示はプライバシーポリシーをご覧ください。
よくある質問
- なぜ結果が ZIP なのですか?
- pdftohtml は HTML と抽出した図を 1 つのフォルダに書きます。サーバーがそのフォルダをまとめます。
- HTML は PDF の版式と一致しますか?
- Poppler `-c` モードの範囲までです。多段組の雑誌や大量のベクタはしばしば揃いません。
- スキャンを HTML 文字にできますか?
- できません。この経路は OCR しません。文字が必要なら OCR(Markdown)を使ってください。
- ブラウザ内で変換しますか?
- しません。サーバーが pdftohtml を呼び出します。
- 解凍したあと、最初にどのファイルを開けばよいですか?
- アップロードのファイル名がついた HTML ファイルを開くと、左にページ一覧のあるフレームセットが表示されます。ページ番号が付いたアップロード名のページファイルを直接開くこともできます。背景画像が読み込まれるよう、すべてを 1 つのフォルダーに入れておいてください。
- ページは PDF のように見えるのに、テキストが再配置されないのはなぜですか?
- テキストの各行は、ページの背景画像の上に、絶対的なピクセル座標で配置されるため、レイアウトは固定です。これが PDF に近い見た目を保つ理由であり、小さい画面に適応しない理由でもあります。
- HTML の中のテキストは、本物のテキストですか、それとも画像ですか?
- テキスト層のある PDF では、段落要素の中の本物のテキストなので、ブラウザーで選択、コピー、検索ができます。スキャンした PDF にはテキスト層がないため、ページは画像だけになります。
- すべてを 1 つの HTML ファイルにまとめて得られますか?
- できません。出力は常に複数のファイルの ZIP です。1 つのテキストファイルが必要なら、PDFからテキスト や PDFからMarkdown を使ってください。
- PDFからHTML と PDFからWord のどちらを使うべきですか?
- ブラウザーで開けて PDF のように見えるものが欲しいときは PDFからHTML を使います。人が内容を編集する必要があるときは PDFからWord を使います。そのツールは、行を座標に固定するのではなく、エディター向けに段落を組み直すからです。
最終更新:
コードから呼び出す
このサイトの各ツールは、通常のRESTエンドポイントです。匿名利用にアカウントやAPIキーは不要です。ブラウザだけでなく、AIエージェントや開発者向けにも使えます。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfModel Context Protocolに対応したエージェント向けに、MCPツールとしても使えます(JSON-RPC 2.0、POST /mcp)。 APIリファレンス
AI エージェントから使う
スキルこのスキルを入れると、Claude Code、Codex、Cursor などの AI エージェントが「PDFからHTML」を代わりに実行できます: /skills/pdf123-pdf-to-html.md
ファイルはこの処理のためだけに使い、完了後に自動で削除します。