PDF omzetten naar HTML
PDF naar HTML zet een PDF om met pdftohtml van Poppler en levert een ZIP met de HTML-pagina’s en hun afbeeldingen. Het is een lay-outdump in plaats van nette webmarkup en het doet geen OCR.
Sleep bestanden hierheen, of klik om te kiezen
Accepteert PDF · tot 500.0 MB per bestand · maximaal 20 bestanden tegelijk
Je kunt een bestand ook plakken met Ctrl/Cmd+V of via het klembordmenu.
PDF naar HTML draait Poppler `pdftohtml -c` en pakt alles wat die tool in de uitvoermap schrijft in een ZIP. De download heet `{base}ToHtml.zip` en is geen enkel `.html`-bestand. Complexe CSS zoals in een browser is niet het doel; dit is de HTML- en afbeeldingsdump van Poppler.
Er zijn geen formuliervelden. Elke pagina wordt omgezet. Schrijft `pdftohtml` niets weg, dan geeft de API een interne fout in plaats van een lege ZIP.
Dit is geen OCR. Scans die alleen uit afbeeldingen bestaan, worden afbeeldingen in het HTML-pakket en geen selecteerbare tekst. Wachtwoordbeveiligde bestanden worden op deze pagina voor u ontgrendeld zodra u het wachtwoord invoert; API-gebruikers voeren eerst Wachtwoord verwijderen uit.
Heeft u alleen de woorden nodig, dan is PDF naar RTF kleiner. Heeft u een artikel nodig dat bij een CMS past, dan komt PDF naar Markdown dichterbij.
Wat er in de ZIP zit, uit een run van Poppler `pdftohtml -c` op een tekst-PDF van twee pagina's: een `in.html` die alleen een frameset is, een index `in_ind.html` met één link per pagina, één HTML-bestand per pagina (`in-1.html`, `in-2.html`) en één achtergrond-PNG per pagina (`in001.png`, `in002.png`). De namen beginnen met de bestandsnaam van uw upload. Open het bestand met de naam van uw upload om de frameset met de paginalijst links te zien, of open rechtstreeks een los paginabestand. Een andere Poppler-versie kan dingen iets anders noemen of ordenen.
Elk paginabestand plaatst elke tekstregel met absolute coördinaten, als aparte alinea's met `top`- en `left`-waarden in pixels, boven de achtergrondafbeelding van de pagina. In die run werd een pagina van 612 bij 792 punten een blok van 918 bij 1188 pixels, 1,5 keer de puntgrootte, en de tekst bleef echte, selecteerbare HTML-tekst in plaats van een afbeelding. Omdat elke regel aan een pixelpositie is vastgezet, ziet het resultaat eruit als de PDF maar loopt het niet door op een smal scherm en is het onhandig te bewerken.
Zie dit als een kopie met vaste opmaak en niet als een nette webtekst. Koppen, lijsten en alinea's worden niet opnieuw opgebouwd als semantische HTML-elementen. Wilt u inhoud die u in een CMS kunt zetten, zet het dan om naar Markdown. Wilt u een bewerkbaar document voor mensen, gebruik dan PDF naar Word. Wilt u alleen de platte woorden, gebruik dan PDF naar RTF.
Gescande PDF's hebben geen tekstlaag om om te zetten. Elke pagina is een afbeelding, dus de HTML-pagina's omhullen die afbeelding en er zijn geen woorden om te selecteren. Voer eerst OCR uit als u de woorden nodig heeft, maar let op dat OCR Markdown teruggeeft en geen PDF die u weer in deze tool kunt stoppen.
De omgekeerde richting is HTML naar PDF, dat van een HTML-pagina een PDF maakt en deze omzetting niet ongedaan maakt.
Functies
- Poppler `pdftohtml -c` naar een ZIP met HTML en bijbehorende bestanden
- Eén HTML-bestand per pagina plus een index en een frameset-pagina
- Tekst staat absoluut gepositioneerd boven een achtergrondafbeelding van elke pagina
- Geen opties voor paginabereik of thema
- Geen OCR; scans blijven afbeeldingen in het pakket
- Anonieme API: /api/v1/convert/pdf/html
Wanneer je dit gebruikt
- Een ruwe HTML-dump van een PDF met tekstlaag maken
- Ingesloten paginaafbeeldingen ophalen die pdftohtml eruit haalt
- Bekijken hoe Poppler het bestand ziet voordat u een eigen pijplijn bouwt
- Een kopie met vaste opmaak van een PDF in een browser lezen zonder PDF-viewer
- De tekstposities per pagina verzamelen als startpunt voor uw eigen scrape- of conversiescript
Hoe zet ik een PDF om naar HTML?
- Upload een PDF waarvan de pagina's selecteerbare tekst bevatten; een scan wordt alleen afbeeldingen. Deze pagina heeft geen conversie-opties.
- Klik op Verwerken en download `{name}ToHtml.zip`, en pak hem uit in een eigen map zodat de paginabestanden en afbeeldingen bij elkaar blijven.
- Open het hoofd-HTML-bestand in een browser om de frameset te zien, of open een los paginabestand zoals dat met `-1.html`.
- Vergelijk een pagina met de PDF: controleer of de regels op de juiste plek staan en of de achtergrondafbeelding laadt. Toont de pagina geen afbeelding, zorg dan dat de PNG-bestanden naast de HTML staan.
- Ontbreekt de tekst of is de opmaak onbruikbaar, probeer dan PDF naar RTF voor de woorden of PDF naar Markdown voor structuur, of voer OCR uit als het bestand een scan is.
Beperkingen en randgevallen
- De uitvoer is een ZIP, niet één HTML-bestand
- Geen Chromium-afdruk of HTML-export van een getagde PDF
- Lege pdftohtml-uitvoer is een fout, geen 204
- Vaste opmaak: geen doorlopende tekst en geen semantische koppen of lijsten
- Elke pagina wordt omgezet; er is geen paginabereik
- Scans geven alleen afbeeldingen
- Uploadlimiet op deze website: 500 MB per bestand, in delen verzonden boven ongeveer 95 MB. Eén directe API-aanvraag is beperkt tot 100 MB.
Voorbeelden
- Een tekst-PDF van twee pagina's gaf in een testrun `in.html` (een frameset), `in_ind.html` (een paginalijst), `in-1.html` en `in-2.html` (één per pagina) en `in001.png` en `in002.png` (achtergronden)
- In die run bevatte het eerste paginabestand elke tekstregel als absoluut gepositioneerde alinea, bijvoorbeeld 119 pixels van boven en 108 van links, boven een achtergrondafbeelding van 918 bij 1188 pixels
- Een PDF met alleen scans levert HTML op die vooral die paginaafbeeldingen omhult
Privacy bij deze tool
Bestanden worden via HTTPS geüpload, in het geheugen of in een kortlevende tijdelijke map op onze servers verwerkt, en verwijderd zodra uw resultaat klaar is. Wij bewaren geen kopieën voor later bladeren, training of advertentieprofielen. Zie het privacybeleid voor bewaartermijnen en AdSense-cookiemeldingen.
Veelgestelde vragen
- Waarom is het resultaat een ZIP?
- pdftohtml schrijft HTML plus uitgehaalde afbeeldingen naar een map. De server zipt die map.
- Komt de HTML overeen met mijn PDF-opmaak?
- Alleen zo goed als de -c-modus van Poppler dat doet. Tijdschriften met meerdere kolommen en veel vectoren zien er vaak verkeerd uit.
- Kan ik een scan omzetten naar HTML-tekst?
- Nee. Dit pad doet geen OCR. Gebruik OCR naar Markdown als u de woorden nodig heeft.
- Draait het in de browser?
- Nee. De server roept pdftohtml aan.
- Welk bestand open ik eerst na het uitpakken?
- Open het HTML-bestand met de naam van uw upload om een frameset met links een paginalijst te krijgen. Of open rechtstreeks een paginabestand, dat de naam van de upload met het paginanummer heeft. Houd alles in één map zodat de achtergrondafbeeldingen laden.
- Waarom ziet de pagina eruit als de PDF terwijl de tekst niet doorloopt?
- Elke tekstregel staat met absolute pixelcoördinaten boven een achtergrondafbeelding van de pagina, dus de opmaak ligt vast. Dat houdt het dicht bij de PDF en is ook waarom het zich niet aanpast aan een klein scherm.
- Is de tekst in de HTML echte tekst of een afbeelding?
- Bij een PDF met een tekstlaag is het echte tekst in alinea-elementen, dus u kunt hem in een browser selecteren, kopiëren en doorzoeken. Een gescande PDF heeft geen tekstlaag, dus de pagina's komen er alleen als afbeeldingen uit.
- Kan ik één HTML-bestand krijgen met alles erin?
- Nee. De uitvoer is altijd een ZIP met meerdere bestanden. Heeft u één tekstbestand nodig, gebruik dan PDF naar RTF of PDF naar Markdown.
- Moet ik dit gebruiken of PDF naar Word?
- Gebruik PDF naar HTML wanneer u iets wilt dat een browser kan openen en dat eruitziet als de PDF. Gebruik PDF naar Word wanneer iemand de inhoud moet bewerken, omdat die tool alinea's opnieuw opbouwt voor een editor in plaats van regels aan coördinaten vast te zetten.
Laatst bijgewerkt:
Aanroepen vanuit code
Elke tool op deze site is een gewoon REST-eindpunt. Voor anoniem gebruik heb je geen account of API-sleutel nodig. Net zo goed voor AI-agenten en ontwikkelaars als voor de browser.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfOok beschikbaar als MCP-tool voor clients die Model Context Protocol spreken (JSON-RPC 2.0 via POST /mcp). Volledige API-documentatie
Gebruik het vanuit een AI-agent
SkillMet deze skill kunnen Claude Code, Codex, Cursor en andere AI-agents ‘PDF naar HTML’ voor je uitvoeren: /skills/pdf123-pdf-to-html.md
Bestanden dienen alleen voor deze verwerking en worden daarna automatisch verwijderd.