Konwersja PDF na HTML
PDF na HTML konwertuje PDF przez pdftohtml z Poppler i dostarcza ZIP ze stronami HTML i ich obrazami. To zrzut układu, a nie czysty kod stron WWW, i nie robi OCR.
Przeciągnij pliki tutaj albo kliknij, żeby wybrać
Obsługiwane: PDF · do 500.0 MB na plik · maks. 20 plików naraz
Możesz też wkleić plik przez Ctrl/Cmd+V lub z menu schowka.
PDF na HTML uruchamia Poppler `pdftohtml -c` i pakuje do ZIP to, co to narzędzie zapisze w katalogu wyjściowym. Pobrany plik to `{base}ToHtml.zip`, a nie pojedynczy plik `.html`. Celem nie jest złożony CSS z przeglądarki; to zrzut HTML i obrazów z Poppler.
Nie ma pól formularza. Konwertowana jest każda strona. Jeśli `pdftohtml` nic nie zapisze, API zwraca błąd wewnętrzny, a nie pusty ZIP.
To nie OCR. Skany składające się wyłącznie z obrazów stają się obrazami wewnątrz paczki HTML, a nie zaznaczalnym tekstem. Pliki chronione hasłem są odblokowywane za Ciebie na tej stronie, gdy tylko wpiszesz hasło; wywołujący API najpierw uruchamiają Usuń hasło.
Jeśli potrzebujesz samych słów, PDF na RTF (tekst) jest mniejszy. Jeśli potrzebujesz artykułu przyjaznego dla CMS, bliższy jest PDF na Markdown.
Co jest w ZIP, z przebiegu Poppler `pdftohtml -c` na dwustronicowym PDF z tekstem: plik `in.html`, który jest tylko zestawem ramek, indeks `in_ind.html` z jednym łączem na stronę, jeden plik HTML na stronę (`in-1.html`, `in-2.html`) i jeden PNG tła na stronę (`in001.png`, `in002.png`). Nazwy zaczynają się od nazwy przesłanego pliku. Otwórz plik nazwany od przesłanego, aby zobaczyć zestaw ramek z listą stron po lewej, albo otwórz bezpośrednio plik pojedynczej strony. Inna wersja Poppler może nazywać lub układać rzeczy nieco inaczej.
Każdy plik strony pozycjonuje każdy wiersz tekstu za pomocą współrzędnych bezwzględnych, jako osobne akapity z wartościami `top` i `left` w pikselach, na obrazie tła strony. W tym przebiegu strona 612 na 792 punkty stała się blokiem 918 na 1188 pikseli, 1,5 raza większym niż rozmiar w punktach, a tekst pozostał prawdziwym, zaznaczalnym tekstem HTML, a nie obrazem. Ponieważ każdy wiersz jest przypięty do pozycji w pikselach, wynik wygląda jak PDF, ale nie zawija się na wąskim ekranie i niewygodnie się go edytuje.
Traktuj to jako kopię o stałym układzie, a nie czysty artykuł internetowy. Nagłówki, listy i akapity nie są odtwarzane jako semantyczne elementy HTML. Jeśli chcesz treść, którą możesz wrzucić do CMS, zamień na Markdown. Jeśli chcesz edytowalny dokument dla ludzi, użyj PDF na Word. Jeśli chcesz same słowa, użyj PDF na RTF (tekst).
Zeskanowane pliki PDF nie mają warstwy tekstowej do konwersji. Każda strona to obraz, więc strony HTML opakowują ten obraz i nie ma słów do zaznaczenia. Uruchom najpierw OCR, jeśli potrzebujesz słów, ale pamiętaj, że OCR zwraca Markdown, a nie PDF, który mógłbyś podać z powrotem do tego narzędzia.
Odwrotny kierunek to HTML na PDF, który tworzy PDF ze strony HTML i nie cofa tej konwersji.
Funkcje
- Poppler `pdftohtml -c` do ZIP z HTML i zasobami
- Jeden plik HTML na stronę oraz indeks i strona z zestawem ramek
- Tekst jest pozycjonowany bezwzględnie nad obrazem tła każdej strony
- Bez zakresu stron ani opcji motywu
- Nie OCR; skany zostają w paczce obrazami
- Anonimowe API: /api/v1/convert/pdf/html
Kiedy tego użyć
- Dostać surowy zrzut HTML z PDF z warstwą tekstową
- Zabrać obrazy osadzone na stronach, które wyodrębnia pdftohtml
- Zobaczyć, jak Poppler widzi plik, zanim zbudujesz własny potok przetwarzania
- Czytać kopię PDF o stałym układzie w przeglądarce bez czytnika PDF
- Zebrać pozycje tekstu na poszczególnych stronach jako punkt wyjścia dla własnego skryptu do scrapingu lub konwersji
Jak zamienić PDF na HTML?
- Prześlij PDF, którego strony zawierają zaznaczalny tekst; skan skonwertuje się tylko do obrazów. Na tej stronie nie ma opcji konwersji.
- Kliknij Przetwórz i pobierz `{name}ToHtml.zip`, a potem rozpakuj go do osobnego folderu, aby pliki stron i obrazy zostały razem.
- Otwórz główny plik HTML w przeglądarce, aby zobaczyć zestaw ramek, albo otwórz plik pojedynczej strony, na przykład ten z `-1.html`.
- Porównaj stronę z PDF: sprawdź, czy wiersze są we właściwych miejscach i czy obraz tła się ładuje. Jeśli strona nie pokazuje obrazu, upewnij się, że pliki PNG leżą obok HTML.
- Jeśli brakuje tekstu lub układ jest bezużyteczny, spróbuj PDF na RTF (tekst) dla słów lub PDF na Markdown dla struktury, albo uruchom OCR, jeśli plik jest skanem.
Ograniczenia i przypadki brzegowe
- Wynik to ZIP, a nie jeden plik HTML
- To nie druk Chromium ani eksport HTML z tagowanego PDF
- Pusty wynik pdftohtml to błąd, a nie 204
- Stały układ: bez zawijania i bez semantycznych nagłówków czy list
- Konwertowana jest każda strona; nie ma zakresu stron
- Skany dają tylko obrazy
- Limit przesyłania na tej stronie: 500 MB na plik, wysyłane porcjami powyżej około 95 MB. Treść pojedynczego bezpośredniego żądania API jest ograniczona do 100 MB.
Przykłady
- Dwustronicowy PDF z tekstem dał w teście `in.html` (zestaw ramek), `in_ind.html` (listę stron), `in-1.html` i `in-2.html` (po jednym na stronę) oraz `in001.png` i `in002.png` (tła)
- W tym przebiegu plik pierwszej strony zawierał każdy wiersz tekstu jako akapit pozycjonowany bezwzględnie, na przykład 119 pikseli od góry i 108 od lewej, nad obrazem tła 918 na 1188 pikseli
- PDF zawierający tylko skan daje HTML, który głównie opakowuje te obrazy stron
Prywatność tego narzędzia
Pliki są przesyłane przez HTTPS, przetwarzane w pamięci lub w krótkotrwałym katalogu tymczasowym na naszych serwerach i usuwane, gdy wynik jest gotowy. Nie przechowujemy kopii do późniejszego przeglądania, trenowania ani profili reklamowych. Szczegóły retencji i pliki cookie AdSense znajdują się w polityce prywatności.
Najczęstsze pytania
- Dlaczego wynik to ZIP?
- pdftohtml zapisuje HTML oraz wyodrębnione obrazy do folderu. Serwer pakuje ten folder.
- Czy HTML będzie zgodny z układem mojego PDF?
- Tylko na tyle, na ile pozwala tryb -c Poppler. Wielokolumnowe magazyny i gęsta grafika wektorowa często wyglądają źle.
- Czy mogę zamienić skan na tekst HTML?
- Nie. Ta ścieżka nie robi OCR. Jeśli potrzebujesz słów, użyj OCR do Markdown.
- Czy działa w przeglądarce?
- Nie. Serwer wywołuje pdftohtml.
- Który plik otworzyć najpierw po rozpakowaniu?
- Otwórz plik HTML z nazwą Twojego przesłanego pliku, aby dostać zestaw ramek z listą stron po lewej. Albo otwórz bezpośrednio plik strony, który nosi nazwę przesłanego pliku z numerem strony. Trzymaj wszystko w jednym folderze, aby obrazy tła się ładowały.
- Dlaczego strona wygląda jak PDF, ale tekst się nie zawija?
- Każdy wiersz tekstu jest umieszczony za pomocą bezwzględnych współrzędnych w pikselach nad obrazem tła strony, więc układ jest stały. To dzięki temu jest bliski PDF, i dlatego nie dostosowuje się do małego ekranu.
- Czy tekst w HTML to prawdziwy tekst, czy obraz?
- Dla PDF z warstwą tekstową to prawdziwy tekst w elementach akapitu, więc możesz go zaznaczać, kopiować i przeszukiwać w przeglądarce. Zeskanowany PDF nie ma warstwy tekstowej, więc strony wychodzą tylko jako obrazy.
- Czy mogę dostać jeden plik HTML ze wszystkim?
- Nie. Wynik to zawsze ZIP z kilkoma plikami. Jeśli potrzebujesz jednego pliku z tekstem, użyj PDF na RTF (tekst) lub PDF na Markdown.
- Czego użyć: tego narzędzia czy PDF na Word?
- Użyj PDF na HTML, gdy chcesz coś, co przeglądarka potrafi otworzyć i co wygląda jak PDF. Użyj PDF na Word, gdy człowiek ma edytować treść, bo to narzędzie odtwarza akapity dla edytora, zamiast przypinać wiersze do współrzędnych.
Ostatnia aktualizacja:
Wywołanie z kodu
Każde narzędzie na stronie to zwykły interfejs REST. Anonimowo nie trzeba konta ani klucza API. Działa w przeglądarce, u programistów i u agentów AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfDostępne też jako narzędzie MCP dla klientów mówiących Model Context Protocol (JSON-RPC 2.0, POST /mcp). Pełna dokumentacja API
Użyj go z agentem AI
SkillZ tym skillem Claude Code, Codex, Cursor i inne agenty AI mogą wykonać za Ciebie „PDF na HTML”: /skills/pdf123-pdf-to-html.md
Pliki służą tylko do tego zadania i są potem automatycznie usuwane.