Tukar PDF kepada HTML
PDF ke HTML menukar PDF dengan pdftohtml Poppler dan menyerahkan ZIP yang mengandungi halaman HTML dan imejnya. Ia longgokan susun atur dan bukan markup web yang bersih, dan ia tidak melakukan OCR.
Seret dan lepaskan fail di sini, atau klik untuk pilih
Menerima PDF · sehingga 500.0 MB setiap fail · sehingga 20 fail sekali gus
Anda juga boleh menampal fail dengan Ctrl/Cmd+V atau dari menu papan keratan.
PDF ke HTML menjalankan Poppler `pdftohtml -c` dan memampatkan apa sahaja yang ditulis alat itu ke dalam direktori output menjadi zip. Muat turun ialah `{base}ToHtml.zip`, bukan satu fail `.html`. CSS kompleks daripada pelayar bukan matlamatnya; ini ialah longgokan HTML dan imej Poppler.
Tiada medan borang. Setiap halaman ditukar. Jika `pdftohtml` tidak menulis apa-apa, API mengembalikan ralat dalaman dan bukan zip kosong.
Ini bukan OCR. Imbasan imej sahaja menjadi gambar di dalam bungkusan HTML, bukan teks yang boleh dipilih. Fail yang dilindungi kata laluan dibuka untuk anda pada halaman ini sebaik sahaja anda memasukkan kata laluan; pemanggil API perlu menjalankan Buang kata laluan dahulu.
Jika anda hanya perlukan perkataan, PDF ke RTF (Teks) lebih kecil. Jika anda perlukan artikel yang mesra CMS, PDF ke Markdown lebih hampir.
Apa yang ada dalam ZIP, daripada satu larian `pdftohtml -c` Poppler pada PDF teks dua halaman: `in.html` yang hanya set bingkai, indeks `in_ind.html` dengan satu pautan bagi setiap halaman, satu fail HTML bagi setiap halaman (`in-1.html`, `in-2.html`), dan satu PNG latar belakang bagi setiap halaman (`in001.png`, `in002.png`). Nama bermula daripada nama fail muat naik anda. Buka fail yang dinamakan mengikut muat naik anda untuk melihat set bingkai dengan senarai halaman di sebelah kiri, atau buka satu fail halaman secara langsung. Versi Poppler lain mungkin menamakan atau menyusun sesuatu dengan sedikit berbeza.
Setiap fail halaman meletakkan setiap baris teks dengan koordinat mutlak, sebagai perenggan berasingan dengan nilai `top` dan `left` dalam piksel, di atas imej latar belakang halaman. Dalam larian itu halaman 612 kali 792 titik menjadi blok 918 kali 1188 piksel, 1.5 kali saiz titik, dan teks kekal sebagai teks HTML sebenar yang boleh dipilih dan bukan gambar. Oleh sebab setiap baris dipasak pada kedudukan piksel, hasilnya kelihatan seperti PDF tetapi tidak mengalir semula pada skrin sempit dan sukar disunting.
Fahami ini sebagai salinan susun atur tetap, bukan artikel web yang bersih. Tajuk, senarai dan perenggan tidak dibina semula sebagai elemen HTML semantik. Jika anda mahu kandungan yang boleh dimasukkan ke dalam CMS, tukar kepada Markdown. Jika anda mahu dokumen yang boleh disunting untuk orang, guna PDF ke Word. Jika anda mahu perkataan biasa sahaja, guna PDF ke RTF (Teks).
PDF yang diimbas tiada lapisan teks untuk ditukar. Setiap halaman ialah imej, jadi halaman HTML membungkus gambar itu dan tiada perkataan untuk dipilih. Jalankan OCR dahulu jika anda perlukan perkataan, tetapi perhatikan bahawa OCR mengembalikan Markdown, bukan PDF yang boleh anda suapkan semula ke alat ini.
Arah sebaliknya ialah HTML ke PDF, yang membuat PDF daripada halaman HTML dan tidak membuat asal penukaran ini.
Ciri
- Poppler `pdftohtml -c` ke dalam ZIP HTML dan aset
- Satu fail HTML bagi setiap halaman serta indeks dan halaman set bingkai
- Teks diletakkan secara mutlak di atas imej latar belakang setiap halaman
- Tiada pilihan julat halaman atau tema
- Bukan OCR; imbasan kekal sebagai imej dalam bungkusan
- API tanpa nama di /api/v1/convert/pdf/html
Bila menggunakan alat ini
- Dapatkan longgokan HTML kasar bagi PDF berlapisan teks
- Ambil imej halaman terbenam yang diekstrak pdftohtml
- Periksa bagaimana Poppler melihat fail sebelum saluran paip khusus
- Baca salinan susun atur tetap PDF dalam pelayar tanpa pemapar PDF
- Kumpulkan kedudukan teks setiap halaman sebagai titik permulaan untuk skrip pengikisan atau penukaran anda sendiri
Bagaimana cara menukar PDF kepada HTML?
- Muat naik PDF yang halamannya mengandungi teks yang boleh dipilih; imbasan hanya akan ditukar kepada imej. Tiada pilihan penukaran pada halaman ini.
- Klik Proses dan muat turun `{name}ToHtml.zip`, kemudian nyahzipkan ke dalam folder tersendiri supaya fail halaman dan imej kekal bersama.
- Buka fail HTML utama dalam pelayar untuk melihat set bingkai, atau buka satu fail halaman seperti yang `-1.html`.
- Banding satu halaman dengan PDF: semak bahawa baris berada di tempat yang betul dan imej latar belakang dimuatkan. Jika halaman tidak menunjukkan imej, pastikan fail PNG berada di sebelah HTML.
- Jika teks tiada atau susun atur tidak boleh digunakan, cuba PDF ke RTF (Teks) untuk perkataan atau PDF ke Markdown untuk struktur, atau jalankan OCR jika fail itu imbasan.
Had dan kes khas
- Output ialah ZIP, bukan satu fail HTML
- Bukan cetakan Chromium atau eksport HTML PDF berlabel
- Output pdftohtml yang kosong ialah ralat, bukan 204
- Susun atur tetap: tiada aliran semula, dan tiada tajuk atau senarai semantik
- Setiap halaman ditukar; tiada julat halaman
- Imbasan hanya memberi imej
- Had muat naik di tapak web ini: 500 MB setiap fail, dihantar berketul-ketul melebihi kira-kira 95 MB. Satu badan permintaan API langsung dihadkan pada 100 MB.
Contoh
- PDF teks dua halaman menghasilkan `in.html` (set bingkai), `in_ind.html` (senarai halaman), `in-1.html` dan `in-2.html` (satu setiap halaman) serta `in001.png` dan `in002.png` (latar belakang) dalam larian ujian
- Dalam larian itu fail halaman pertama memegang setiap baris teks sebagai perenggan yang diletakkan secara mutlak, contohnya pada 119 piksel dari atas dan 108 dari kiri, di atas imej latar belakang 918 kali 1188 piksel
- PDF imbasan sahaja menghasilkan HTML yang kebanyakannya membungkus imej halaman itu
Privasi untuk alat ini
Fail dimuat naik melalui HTTPS, diproses dalam memori atau direktori sementara singkat di pelayan kami, kemudian dipadam apabila hasil sedia. Kami tidak menyimpan salinan untuk semakan kemudian, latihan, atau profil iklan. Lihat Dasar Privasi untuk pengekalan dan pendedahan kuki AdSense.
Soalan lazim
- Mengapa hasilnya ZIP?
- pdftohtml menulis HTML beserta imej yang diekstrak ke dalam folder. Pelayan memampatkan folder itu menjadi zip.
- Adakah HTML akan sepadan dengan susun atur PDF saya?
- Hanya sebaik mod -c Poppler. Majalah berbilang lajur dan vektor yang banyak selalunya kelihatan salah.
- Bolehkah saya menukar imbasan kepada teks HTML?
- Tidak. Laluan ini tiada OCR. Guna OCR ke Markdown jika anda memerlukan perkataan.
- Adakah ia berjalan dalam pelayar?
- Tidak. Pelayan memanggil pdftohtml.
- Fail mana yang patut saya buka dahulu selepas menyahzip?
- Buka fail HTML yang membawa nama muat naik anda untuk mendapatkan set bingkai dengan senarai halaman di sebelah kiri. Atau buka fail halaman secara langsung, yang dinamakan mengikut muat naik dengan nombor halaman. Simpan semuanya dalam satu folder supaya imej latar belakang dimuatkan.
- Mengapa halaman kelihatan seperti PDF tetapi teks tidak mengalir semula?
- Setiap baris teks diletakkan dengan koordinat piksel mutlak di atas imej latar belakang halaman, jadi susun atur adalah tetap. Itulah yang mengekalkannya hampir dengan PDF dan juga sebab ia tidak menyesuaikan diri pada skrin kecil.
- Adakah teks dalam HTML teks sebenar atau gambar?
- Untuk PDF yang mempunyai lapisan teks, ia teks sebenar dalam elemen perenggan, jadi anda boleh memilih, menyalin dan mencarinya dalam pelayar. PDF yang diimbas tiada lapisan teks, jadi halaman keluar sebagai imej sahaja.
- Bolehkah saya mendapat satu fail HTML dengan segala-galanya di dalamnya?
- Tidak. Output sentiasa ZIP yang mengandungi beberapa fail. Jika anda memerlukan satu fail teks, guna PDF ke RTF (Teks) atau PDF ke Markdown.
- Patutkah saya guna ini atau PDF ke Word?
- Guna PDF ke HTML apabila anda mahu sesuatu yang boleh dibuka pelayar dan kelihatan seperti PDF. Guna PDF ke Word apabila seseorang perlu menyunting kandungan, kerana alat itu membina semula perenggan untuk penyunting dan bukan memasak baris pada koordinat.
Kemas kini terakhir:
Panggil dari kod
Setiap alat di laman ini ialah panggilan REST biasa. Penggunaan tanpa nama tidak perlukan akaun atau kunci API. Untuk pelayar, pembangun dan ejen AI sama-sama.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfJuga tersedia sebagai alat MCP untuk klien ejen yang menggunakan Model Context Protocol (JSON-RPC 2.0 melalui POST /mcp). Rujukan API penuh
Gunakan melalui ejen AI
SkillDengan skill ini, Claude Code, Codex, Cursor dan ejen AI lain boleh menjalankan "PDF ke HTML" bagi pihak anda: /skills/pdf123-pdf-to-html.md
Fail hanya digunakan untuk pemprosesan ini dan dipadam secara automatik selepas itu.