Преобразование PDF в HTML
«PDF в HTML» конвертирует PDF через pdftohtml из Poppler и отдаёт ZIP со страницами HTML и их изображениями. Это слепок вёрстки, а не чистая веб-разметка, и OCR он не выполняет.
Перетащите файлы сюда или нажмите, чтобы выбрать
Форматы: PDF · до 500.0 MB на файл · до 20 файлов за раз
Файл можно также вставить через Ctrl/Cmd+V или из меню буфера обмена.
«PDF в HTML» запускает Poppler `pdftohtml -c` и упаковывает в ZIP всё, что этот инструмент записал в выходной каталог. Скачиваемый файл — `{base}ToHtml.zip`, а не один файл `.html`. Сложный CSS как в браузере не цель; это HTML и дамп изображений от Poppler.
Полей формы нет. Конвертируется каждая страница. Если `pdftohtml` ничего не записал, API возвращает внутреннюю ошибку, а не пустой ZIP.
Это не OCR. Сканы из одних изображений становятся картинками внутри HTML-пакета, а не выделяемым текстом. Файлы, защищённые паролем, снимаются с защиты прямо на этой странице, как только вы введёте пароль; при работе через API сначала запустите «Снять пароль».
Если нужны только слова, «PDF в RTF (текст)» компактнее. Если нужна статья, удобная для CMS, ближе «PDF в Markdown».
Что внутри ZIP, по запуску Poppler `pdftohtml -c` на двухстраничном текстовом PDF: `in.html`, который представляет собой только frameset, индекс `in_ind.html` с одной ссылкой на страницу, по одному файлу HTML на страницу (`in-1.html`, `in-2.html`) и по одному фоновому PNG на страницу (`in001.png`, `in002.png`). Имена начинаются с имени вашего загруженного файла. Откройте файл с именем вашей загрузки, чтобы увидеть frameset со списком страниц слева, либо откройте файл отдельной страницы напрямую. Другая версия Poppler может называть или раскладывать файлы немного иначе.
Каждый файл страницы размещает каждую строку текста по абсолютным координатам, отдельными абзацами со значениями `top` и `left` в пикселях, поверх фонового изображения страницы. В том запуске страница 612 на 792 пункта превратилась в блок 918 на 1188 пикселей, в 1,5 раза больше размера в пунктах, а текст остался настоящим выделяемым HTML-текстом, а не картинкой. Поскольку каждая строка привязана к пиксельной позиции, результат выглядит как PDF, но не перетекает на узком экране и неудобен для правки.
Воспринимайте результат как копию с фиксированной вёрсткой, а не как чистую веб-статью. Заголовки, списки и абзацы не пересобираются как семантические элементы HTML. Если нужно содержимое, которое можно положить в CMS, конвертируйте в Markdown. Если нужен редактируемый документ для людей, используйте «PDF в Word». Если нужны только слова, используйте «PDF в RTF (текст)».
У отсканированных PDF нет текстового слоя для конвертации. Каждая страница — изображение, поэтому HTML-страницы оборачивают эту картинку, а выделять слова нечего. Если слова нужны, сначала запустите OCR, но помните, что OCR возвращает Markdown, а не PDF, который можно было бы снова подать в этот инструмент.
Обратное направление — «HTML в PDF», которое создаёт PDF из HTML-страницы и не отменяет эту конвертацию.
Функции
- Poppler `pdftohtml -c` в ZIP с HTML и ресурсами
- По одному файлу HTML на страницу плюс индекс и страница frameset
- Текст позиционируется абсолютно поверх фонового изображения каждой страницы
- Нет параметров диапазона страниц и темы
- Не OCR; сканы остаются в пакете изображениями
- Анонимный API: /api/v1/convert/pdf/html
Когда применять
- Получить грубый HTML-дамп PDF с текстовым слоем
- Забрать встроенные изображения страниц, которые извлекает pdftohtml
- Посмотреть, как Poppler видит файл, перед собственным конвейером
- Прочитать копию PDF с фиксированной вёрсткой в браузере без просмотрщика PDF
- Собрать позиции текста по страницам как отправную точку для собственного скрипта разбора или конвертации
Как преобразовать PDF в HTML?
- Загрузите PDF, на страницах которого есть выделяемый текст; скан превратится только в изображения. Параметров конвертации на этой странице нет.
- Нажмите «Обработать» и скачайте `{name}ToHtml.zip`, затем распакуйте его в отдельную папку, чтобы файлы страниц и изображения оставались вместе.
- Откройте главный HTML-файл в браузере, чтобы увидеть frameset, либо откройте файл отдельной страницы, например `-1.html`.
- Сравните страницу с PDF: проверьте, что строки на своих местах и что фоновое изображение загружается. Если изображения на странице нет, убедитесь, что файлы PNG лежат рядом с HTML.
- Если текст отсутствует или вёрстка непригодна, попробуйте «PDF в RTF (текст)» ради слов или «PDF в Markdown» ради структуры, либо запустите OCR, если файл — скан.
Ограничения и особые случаи
- Результат — ZIP, а не один файл HTML
- Не печать через Chromium и не экспорт тегированного PDF в HTML
- Пустой вывод pdftohtml — ошибка, а не 204
- Фиксированная вёрстка: нет перетекания, нет семантических заголовков и списков
- Конвертируется каждая страница; диапазона страниц нет
- Сканы дают только изображения
- Лимит загрузки на сайте: 500 МБ на файл, файлы крупнее примерно 95 МБ отправляются частями. Тело одного прямого запроса к API ограничено 100 МБ.
Примеры
- Двухстраничный текстовый PDF в тестовом запуске дал `in.html` (frameset), `in_ind.html` (список страниц), `in-1.html` и `in-2.html` (по одному на страницу) и `in001.png` и `in002.png` (фоны)
- В том запуске файл первой страницы содержал каждую строку текста как абсолютно позиционированный абзац, например в 119 пикселях от верха и 108 от левого края, поверх фонового изображения 918 на 1188 пикселей
- PDF-скан без текста даёт HTML, который в основном оборачивает эти изображения страниц
Конфиденциальность этого инструмента
Файлы загружаются по HTTPS, обрабатываются в памяти или в короткоживущем временном каталоге на наших серверах и удаляются, когда результат готов. Копии для последующего просмотра, обучения моделей или рекламных профилей мы не храним. Сроки хранения и сведения о cookie AdSense указаны в Политике конфиденциальности.
Частые вопросы
- Почему результат — ZIP?
- pdftohtml записывает HTML и извлечённые изображения в папку. Сервер упаковывает эту папку в ZIP.
- HTML будет совпадать с вёрсткой моего PDF?
- Настолько, насколько позволяет режим -c в Poppler. Многоколоночные журналы и насыщенная векторная графика часто выглядят неверно.
- Можно ли превратить скан в HTML-текст?
- Нет. Этот путь не выполняет OCR. Если нужны слова, используйте «OCR в Markdown».
- Это работает в браузере?
- Нет. Сервер вызывает pdftohtml как внешнюю команду.
- Какой файл открыть первым после распаковки?
- Откройте HTML-файл с именем вашей загрузки, чтобы получить frameset со списком страниц слева. Либо откройте файл страницы напрямую: он назван по загрузке с номером страницы. Держите всё в одной папке, чтобы фоновые изображения загружались.
- Почему страница выглядит как PDF, но текст не перетекает?
- Каждая строка текста размещена по абсолютным пиксельным координатам поверх фонового изображения страницы, поэтому вёрстка фиксирована. Благодаря этому результат близок к PDF, и поэтому же он не подстраивается под маленький экран.
- Текст в HTML настоящий или это картинка?
- Для PDF с текстовым слоем это настоящий текст в элементах абзацев, его можно выделять, копировать и искать в браузере. У отсканированного PDF текстового слоя нет, поэтому страницы получаются только изображениями.
- Можно получить один HTML-файл со всем внутри?
- Нет. Результат — всегда ZIP из нескольких файлов. Если нужен один файл с текстом, используйте «PDF в RTF (текст)» или «PDF в Markdown».
- Использовать это или «PDF в Word»?
- «PDF в HTML» — когда нужно то, что открывается в браузере и выглядит как PDF. «PDF в Word» — когда человеку нужно править содержимое, поскольку тот инструмент пересобирает абзацы для редактора, а не прикрепляет строки к координатам.
Последнее обновление:
Вызов из кода
Каждый инструмент на сайте: обычный REST. Анонимно не нужны ни аккаунт, ни ключ API. И для браузера, и для разработчиков, и для ИИ-агентов.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfЕсть и как MCP-инструмент для клиентов на Model Context Protocol (JSON-RPC 2.0, POST /mcp). Полное описание API
Использовать через ИИ-агента
СкиллС этим скиллом Claude Code, Codex, Cursor и другие ИИ-агенты смогут выполнить «PDF в HTML» за вас: /skills/pdf123-pdf-to-html.md
Файлы нужны только для этой обработки и потом удаляются.