Converter PDF em HTML
PDF para HTML converte um PDF com o pdftohtml do Poppler e entrega um ZIP com as páginas HTML e as suas imagens. É um despejo de layout, não marcação web limpa, e não faz OCR.
Arraste arquivos para cá, ou clique para escolher
Aceita PDF · até 500.0 MB por arquivo · até 20 arquivos por vez
Você também pode colar um arquivo com Ctrl/Cmd+V ou pelo menu da área de transferência.
PDF para HTML executa o Poppler `pdftohtml -c` e empacota num ZIP o que a ferramenta escreve no diretório de saída. O nome do download é `{base}ToHtml.zip`, não um `.html` isolado. O alvo não é CSS de nível de navegador, e sim a exportação HTML e imagens do Poppler.
Nesta página não há campos de formulário. Todas as páginas são convertidas. Se `pdftohtml` não escrever nada, a API devolve erro interno, não um ZIP vazio.
Isto não é OCR. Digitalizações só-imagem viram imagens no pacote HTML, não texto selecionável. Arquivos protegidos por senha são desbloqueados para você nesta página assim que você digita a senha; quem chama a API executa Remover senha antes.
Se só quer as palavras, PDF para RTF (texto) é menor. Se quer um artigo adequado a CMS, PDF para Markdown chega mais perto.
O que há dentro do ZIP, numa execução do `pdftohtml -c` do Poppler com um PDF de texto de duas páginas: um `in.html` que é só um frameset, um índice `in_ind.html` com um link por página, um arquivo HTML por página (`in-1.html`, `in-2.html`) e um PNG de fundo por página (`in001.png`, `in002.png`). Os nomes partem do nome do seu arquivo enviado. Abra o arquivo com o nome do seu envio para ver o frameset com a lista de páginas à esquerda, ou abra diretamente um arquivo de página. Outra versão do Poppler pode nomear ou organizar as coisas de forma um pouco diferente.
Cada arquivo de página posiciona cada linha de texto com coordenadas absolutas, como parágrafos separados com valores `top` e `left` em pixels, sobre a imagem de fundo da página. Nessa execução, uma página de 612 por 792 pontos virou um bloco de 918 por 1188 pixels, 1,5 vez o tamanho em pontos, e o texto continuou sendo texto HTML real e selecionável, não uma imagem. Como cada linha está presa a uma posição em pixels, o resultado se parece com o PDF, mas não se reajusta numa tela estreita e é incômodo de editar.
Entenda isto como uma cópia de layout fixo, não como um artigo web limpo. Títulos, listas e parágrafos não são reconstruídos como elementos HTML semânticos. Se você quer conteúdo que possa jogar num CMS, converta para Markdown. Se quer um documento editável para pessoas, use PDF para Word. Se quer só as palavras, use PDF para RTF (texto).
PDFs digitalizados não têm camada de texto para converter. Cada página é uma imagem, então as páginas HTML envolvem essa imagem e não há palavras para selecionar. Execute OCR antes se precisa das palavras, mas note que OCR devolve Markdown, não um PDF que você possa devolver a esta ferramenta.
O sentido inverso é HTML para PDF, que cria um PDF a partir de uma página HTML e não desfaz esta conversão.
Recursos
- Poppler `pdftohtml -c`, saída ZIP com HTML e recursos
- Um arquivo HTML por página, mais um índice e uma página de frameset
- O texto é posicionado de forma absoluta sobre uma imagem de fundo de cada página
- Sem opções de intervalo de páginas ou tema
- Não é OCR; digitalizações continuam imagem no pacote
- API anônima: /api/v1/convert/pdf/html
Quando usar esta ferramenta
- Obter HTML grosseiro a partir de PDF com camada de texto
- Levar embora as imagens de página que o pdftohtml extrai
- Ver como o Poppler entende o arquivo antes de um fluxo próprio
- Ler uma cópia de layout fixo de um PDF no navegador, sem um visualizador de PDF
- Coletar as posições do texto por página como ponto de partida para o seu próprio script de raspagem ou conversão
Como converter um PDF em HTML?
- Envie um PDF cujas páginas tenham texto selecionável; uma digitalização vira só imagens. Nesta página não há opções de conversão.
- Clique em Processar, baixe `{name}ToHtml.zip` e descompacte numa pasta própria, para que os arquivos de página e as imagens fiquem juntos.
- Abra o arquivo HTML principal no navegador para ver o frameset, ou abra um único arquivo de página, como o `-1.html`.
- Compare uma página com o PDF: confira se as linhas estão no lugar certo e se a imagem de fundo carrega. Se a página não mostrar imagem, verifique se os arquivos PNG estão ao lado do HTML.
- Se o texto estiver faltando ou o layout for inutilizável, tente PDF para RTF (texto) para as palavras ou PDF para Markdown para a estrutura, ou execute OCR se o arquivo for uma digitalização.
Limites e casos-limite
- A saída é ZIP, não um HTML isolado
- Não é impressão Chromium nem exportação HTML de PDF marcado
- Saída vazia do pdftohtml é erro, não 204
- Layout fixo: sem reajuste, e sem títulos nem listas semânticos
- Todas as páginas são convertidas; não há intervalo de páginas
- Digitalizações dão só imagens
- Limite de envio neste site: 500 MB por arquivo, enviado em partes acima de cerca de 95 MB. O corpo de uma única requisição direta à API é limitado a 100 MB.
Exemplos
- Um PDF de texto de duas páginas produziu `in.html` (um frameset), `in_ind.html` (uma lista de páginas), `in-1.html` e `in-2.html` (um por página) e `in001.png` e `in002.png` (fundos) numa execução de teste
- Nessa execução, o arquivo da primeira página guardava cada linha de texto como um parágrafo posicionado de forma absoluta, por exemplo a 119 pixels do topo e 108 da esquerda, sobre uma imagem de fundo de 918 por 1188 pixels
- Um PDF só digitalizado gera HTML que em geral só embrulha as imagens das páginas
Privacidade desta ferramenta
Os arquivos são enviados por HTTPS, processados em memória ou em um diretório temporário de curta duração nos nossos servidores, e apagados quando o resultado fica pronto. Não guardamos cópias para consulta posterior, treino de modelos ou perfis de publicidade. Consulte a Política de Privacidade para prazos de retenção e cookies do AdSense.
Perguntas frequentes
- Por que o resultado é ZIP?
- pdftohtml grava HTML mais imagens extraídas numa pasta. O servidor empacota essa pasta.
- O HTML bate com o layout do PDF?
- Só até onde o modo `-c` do Poppler chega. Revistas em várias colunas e muito vetor costumam desalinhar.
- Dá para transformar digitalização em texto HTML?
- Não. Este caminho não faz OCR. Se precisa de texto, use OCR para Markdown.
- A conversão roda no navegador?
- Não. O servidor chama pdftohtml.
- Qual arquivo abro primeiro depois de descompactar?
- Abra o arquivo HTML que leva o nome do seu envio para obter um frameset com uma lista de páginas à esquerda. Ou abra diretamente um arquivo de página, que leva o nome do envio com o número da página. Mantenha tudo numa só pasta para que as imagens de fundo carreguem.
- Por que a página se parece com o PDF, mas o texto não se reajusta?
- Cada linha de texto é colocada com coordenadas absolutas em pixels sobre uma imagem de fundo da página, então o layout é fixo. Isso é o que o mantém próximo do PDF e também o motivo de não se adaptar a uma tela pequena.
- O texto no HTML é texto de verdade ou uma imagem?
- Num PDF com camada de texto, é texto de verdade em elementos de parágrafo, então dá para selecionar, copiar e pesquisar no navegador. Um PDF digitalizado não tem camada de texto, então as páginas saem só como imagens.
- Posso obter um único arquivo HTML com tudo dentro?
- Não. A saída é sempre um ZIP com vários arquivos. Se você precisa de um único arquivo de texto, use PDF para RTF (texto) ou PDF para Markdown.
- Devo usar esta ferramenta ou PDF para Word?
- Use PDF para HTML quando quiser algo que um navegador abra e que se pareça com o PDF. Use PDF para Word quando uma pessoa precisar editar o conteúdo, já que essa ferramenta reconstrói parágrafos para um editor em vez de prender linhas a coordenadas.
Última atualização:
Chame pelo código
Cada ferramenta deste site é um endpoint REST. Para uso anônimo não precisa de conta nem de chave de API. Serve para o navegador, para desenvolvedores e para agentes de IA.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfTambém disponível como ferramenta MCP para clientes de agente que falam Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Referência completa da API
Use a partir de um agente de IA
SkillCom esta skill, Claude Code, Codex, Cursor e outros agentes de IA podem usar "PDF para HTML" para você: /skills/pdf123-pdf-to-html.md
Os arquivos servem só para este processamento e são apagados automaticamente depois.