Konvertera PDF till HTML
PDF till HTML konverterar en PDF med Popplers pdftohtml och levererar en ZIP med HTML-sidorna och deras bilder. Det är en layoutdump snarare än ren webbmarkup, och den kör ingen OCR.
Dra filer hit, eller klicka för att välja
Tar emot PDF · upp till 500.0 MB per fil · upp till 20 filer åt gången
Du kan också klistra in en fil med Ctrl/Cmd+V eller via urklippsmenyn.
PDF till HTML kör Poppler `pdftohtml -c` och zippar det verktyget skriver i utdatakatalogen. Nedladdningen är `{base}ToHtml.zip`, inte en enda `.html`-fil. Komplex CSS från en webbläsare är inte målet. Det här är Popplers export av HTML och bilder.
Det finns inga formulärfält. Varje sida konverteras. Om `pdftohtml` inte skriver något returnerar API:et ett internt fel i stället för en tom ZIP.
Det här är inte OCR. Skanningar som bara består av bilder blir bilder i HTML-paketet, inte markerbar text. Lösenordsskyddade filer låses upp åt dig på den här sidan när du anger lösenordet. API-anropare kör Ta bort lösenord först.
Om du bara behöver orden är PDF till RTF mindre. Om du behöver en artikel som passar ett CMS ligger PDF till Markdown närmare.
Vad som finns i ZIP-filen, från en körning av Popplers `pdftohtml -c` på en text-PDF på två sidor: en `in.html` som bara är en frameset, ett `in_ind.html`-index med en länk per sida, en HTML-fil per sida (`in-1.html`, `in-2.html`) och en bakgrunds-PNG per sida (`in001.png`, `in002.png`). Namnen utgår från din uppladdnings filnamn. Öppna filen som är uppkallad efter din uppladdning för att se framesetet med sidlistan till vänster, eller öppna en enskild sidfil direkt. En annan Poppler-version kan namnge eller ordna saker något annorlunda.
Varje sidfil placerar varje textrad med absoluta koordinater, som separata stycken med `top`- och `left`-värden i pixlar, ovanpå sidans bakgrundsbild. I den körningen blev en sida på 612 gånger 792 punkter ett block på 918 gånger 1188 pixlar, 1,5 gånger punktstorleken, och texten förblev riktig, markerbar HTML-text i stället för en bild. Eftersom varje rad är fastnålad vid en pixelposition ser resultatet ut som PDF:en men flödar inte om på en smal skärm och är krångligt att redigera.
Se det här som en kopia med fast layout, inte en ren webbartikel. Rubriker, listor och stycken byggs inte upp som semantiska HTML-element. Vill du ha innehåll som du kan lägga in i ett CMS konverterar du till Markdown i stället. Vill du ha ett redigerbart dokument åt människor använder du PDF till Word. Vill du bara ha de rena orden använder du PDF till RTF.
Skannade PDF-filer har inget textlager att konvertera. Varje sida är en bild, så HTML-sidorna omsluter den bilden och det finns inga ord att markera. Kör OCR först om du behöver orden, men observera att OCR returnerar Markdown, inte en PDF som du kan mata tillbaka in i det här verktyget.
Motsatt riktning är HTML till PDF, som gör en PDF av en HTML-sida och inte ångrar den här konverteringen.
Funktioner
- Poppler `pdftohtml -c` till en ZIP med HTML och resurser
- En HTML-fil per sida plus ett index och en frameset-sida
- Texten placeras absolut över en bakgrundsbild av varje sida
- Inga alternativ för sidintervall eller tema
- Inte OCR. Skanningar förblir bilder i paketet
- Anonymt API på /api/v1/convert/pdf/html
När du ska använda det här verktyget
- Få en grov HTML-dump av en PDF med textlager
- Plocka ut sidbilder som pdftohtml extraherar
- Se hur Poppler ser filen innan ett eget flöde
- Läsa en kopia med fast layout av en PDF i en webbläsare utan en PDF-läsare
- Samla textpositionerna per sida som utgångspunkt för ditt eget skript för skrapning eller konvertering
Hur konverterar jag en PDF till HTML?
- Ladda upp en PDF vars sidor innehåller markerbar text. En skanning konverteras bara till bilder. Det finns inga konverteringsalternativ på den här sidan.
- Klicka på Bearbeta och ladda ner `{name}ToHtml.zip`, och packa sedan upp den i en egen mapp så att sidfilerna och bilderna hålls ihop.
- Öppna huvud-HTML-filen i en webbläsare för att se framesetet, eller öppna en enskild sidfil som den som slutar på `-1.html`.
- Jämför en sida med PDF:en: kontrollera att raderna ligger på rätt plats och att bakgrundsbilden laddas. Om sidan inte visar någon bild ser du till att PNG-filerna ligger bredvid HTML-filerna.
- Om texten saknas eller layouten inte går att använda provar du PDF till RTF för orden eller PDF till Markdown för struktur, eller kör OCR om filen är en skanning.
Gränser och specialfall
- Resultatet är en ZIP, inte en HTML-fil
- Inte en Chromium-utskrift eller en HTML-export från taggad PDF
- Tomt resultat från pdftohtml är ett fel, inte 204
- Fast layout: ingen omflödning och inga semantiska rubriker eller listor
- Varje sida konverteras. Det finns inget sidintervall
- Skanningar ger bara bilder
- Uppladdningsgräns på webbplatsen: 500 MB per fil, som skickas i delar över cirka 95 MB. Innehållet i en enskild direkt API-förfrågan är begränsat till 100 MB.
Exempel
- En text-PDF på två sidor gav `in.html` (en frameset), `in_ind.html` (en sidlista), `in-1.html` och `in-2.html` (en per sida) och `in001.png` och `in002.png` (bakgrunder) i en testkörning
- I den körningen höll den första sidfilen varje textrad som ett absolut placerat stycke, till exempel 119 pixlar från överkanten och 108 från vänsterkanten, över en bakgrundsbild på 918 gånger 1188 pixlar
- En PDF med bara skanningar ger HTML som mest omsluter de sidbilderna
Integritet för det här verktyget
Filer laddas upp via HTTPS, bearbetas i serverns minne eller en kortlivad tillfällig katalog och raderas när resultatet är klart. Vi behåller inga kopior för senare bläddring, träning eller annonsprofiler. Se integritetspolicyn för lagringstider och AdSense-cookieupplysningar.
Vanliga frågor
- Varför är resultatet en ZIP?
- pdftohtml skriver HTML plus utplockade bilder till en mapp. Servern zippar den mappen.
- Matchar HTML-filen min PDF:s layout?
- Bara så bra som Popplers läge -c klarar. Magasin med flera spalter och mycket vektorgrafik ser ofta fel ut.
- Kan jag konvertera en skanning till HTML-text?
- Nej. Den här vägen gör ingen OCR. Använd OCR till Markdown om du behöver orden.
- Körs det i webbläsaren?
- Nej. Servern anropar pdftohtml.
- Vilken fil öppnar jag först efter uppackningen?
- Öppna HTML-filen som bär din uppladdnings namn för att få en frameset med en sidlista till vänster. Eller öppna en sidfil direkt, som är uppkallad efter uppladdningen med sidnumret. Låt allt ligga i en mapp så att bakgrundsbilderna laddas.
- Varför ser sidan ut som PDF:en men texten flödar inte om?
- Varje textrad placeras med absoluta pixelkoordinater över en bakgrundsbild av sidan, så layouten är fast. Det är det som håller den nära PDF:en och också varför den inte anpassar sig till en liten skärm.
- Är texten i HTML-filen riktig text eller en bild?
- För en PDF med textlager är det riktig text i styckeelement, så du kan markera, kopiera och söka i den i en webbläsare. En skannad PDF har inget textlager, så sidorna blir bara bilder.
- Kan jag få en enda HTML-fil med allt i?
- Nej. Resultatet är alltid en ZIP med flera filer. Om du behöver en enda fil med text använder du PDF till RTF eller PDF till Markdown.
- Ska jag använda det här eller PDF till Word?
- Använd PDF till HTML när du vill ha något som en webbläsare kan öppna och som ser ut som PDF:en. Använd PDF till Word när en person ska redigera innehållet, eftersom det verktyget bygger upp stycken för en redigerare i stället för att nåla fast rader vid koordinater.
Senast uppdaterad:
Anropa från kod
Varje verktyg på webbplatsen är ett vanligt REST-anrop. För anonym användning behövs varken konto eller API-nyckel. Lika mycket för AI-agenter och utvecklare som för webbläsaren.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfFinns också som MCP-verktyg för klienter som talar Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Fullständig API-referens
Använd den från en AI-agent
SkillMed den här skillen kan Claude Code, Codex, Cursor och andra AI-agenter köra ”PDF till HTML” åt dig: /skills/pdf123-pdf-to-html.md
Filerna används bara för den här körningen och raderas automatiskt efteråt.