PDF'yi HTML'ye Dönüştürün
PDF'den HTML'ye, bir PDF'yi Poppler'ın pdftohtml aracıyla dönüştürür ve HTML sayfaları ile görüntülerini içeren bir ZIP sunar. Temiz web işaretlemesi değil, bir düzen dökümüdür; OCR yapmaz.
Dosyaları buraya sürükleyip bırakın veya seçmek için tıklayın
PDF kabul edilir · dosya başına en fazla 500.0 MB · bir seferde en fazla 20 dosya
Bir dosyayı Ctrl/Cmd+V ile veya pano menüsünden de yapıştırabilirsiniz.
PDF'den HTML'ye, Poppler `pdftohtml -c` çalıştırır ve bu aracın çıktı dizinine yazdığı her şeyi zipler. İndirme tek bir `.html` dosyası değil, `{base}ToHtml.zip` olur. Bir tarayıcıdan gelen karmaşık CSS amaç değildir; bu, Poppler'ın HTML ve görüntü dökümüdür.
Form alanı yoktur. Her sayfa dönüştürülür. `pdftohtml` hiçbir şey yazmazsa API, boş bir zip yerine bir iç hata döndürür.
Bu OCR değildir. Yalnızca görüntü olan taramalar, seçilebilir metin değil, HTML paketinin içinde resimler olur. Parola korumalı dosyaların kilidi, parolayı girdiğinizde bu sayfada sizin için açılır; API çağıranları önce Parolayı kaldır'ı çalıştırır.
Yalnızca sözcüklere ihtiyacınız varsa PDF'den RTF'ye (metin) daha küçüktür. Bir CMS'e uygun makale gerekiyorsa PDF'den Markdown'a daha yakındır.
ZIP'in içindekiler, iki sayfalık bir metin PDF'inde Poppler'ın `pdftohtml -c` çalıştırmasından: yalnızca bir frameset olan bir `in.html`, sayfa başına bir bağlantılı bir `in_ind.html` dizini, sayfa başına bir HTML dosyası (`in-1.html`, `in-2.html`) ve sayfa başına bir arka plan PNG'si (`in001.png`, `in002.png`). Adlar, yüklemenizin dosya adından başlar. Solda sayfa listesi olan frameset'i görmek için yüklemenizin adını taşıyan dosyayı açın ya da tek bir sayfa dosyasını doğrudan açın. Başka bir Poppler sürümü bazı şeyleri biraz farklı adlandırabilir veya düzenleyebilir.
Her sayfa dosyası, metnin her satırını, sayfanın arka plan görüntüsünün üzerinde, piksel cinsinden `top` ve `left` değerleriyle ayrı paragraflar olarak mutlak koordinatlarla konumlandırır. O çalıştırmada 612 x 792 punto bir sayfa, punto boyutunun 1,5 katı olan 918 x 1188 piksellik bir blok oldu ve metin bir resim değil, gerçek, seçilebilir HTML metni olarak kaldı. Her satır bir piksel konumuna sabitlendiği için sonuç PDF'e benzer, ancak dar bir ekranda yeniden akmaz ve düzenlemesi zahmetlidir.
Bunu temiz bir web makalesi değil, sabit düzenli bir kopya olarak anlayın. Başlıklar, listeler ve paragraflar anlamsal HTML öğeleri olarak yeniden kurulmaz. Bir CMS'e bırakabileceğiniz içerik istiyorsanız bunun yerine Markdown'a dönüştürün. İnsanlar için düzenlenebilir bir belge istiyorsanız PDF'den Word'e'yi kullanın. Yalnızca düz sözcükleri istiyorsanız PDF'den RTF'ye (metin)'i kullanın.
Taranmış PDF'lerde dönüştürülecek bir metin katmanı yoktur. Her sayfa bir görüntüdür; bu yüzden HTML sayfaları o resmi sarar ve seçilecek sözcük yoktur. Sözcüklere ihtiyacınız varsa önce OCR çalıştırın, ancak OCR'ın bu araca geri besleyebileceğiniz bir PDF değil, Markdown döndürdüğünü unutmayın.
Ters yön, bir HTML sayfasından PDF yapan ve bu dönüşümü geri almayan HTML'den PDF'e'dir.
Özellikler
- Poppler `pdftohtml -c` ile HTML ve varlıkların ZIP'i
- Sayfa başına bir HTML dosyası, artı bir dizin ve bir frameset sayfası
- Metin, her sayfanın arka plan görüntüsünün üzerinde mutlak konumlandırılır
- Sayfa aralığı veya tema seçeneği yok
- OCR değildir; taramalar pakette görüntü olarak kalır
- /api/v1/convert/pdf/html adresinde anonim API
Bu araç ne zaman kullanılır
- Metin katmanlı bir PDF'ten kaba bir HTML dökümü almak
- pdftohtml'in çıkardığı gömülü sayfa görüntülerini çekmek
- Özel bir hattan önce Poppler'ın dosyayı nasıl gördüğünü incelemek
- Bir PDF'in sabit düzenli kopyasını, PDF okuyucusu olmadan tarayıcıda okumak
- Kendi kazıma veya dönüştürme betiğiniz için başlangıç noktası olarak sayfa başına metin konumlarını toplamak
PDF'yi HTML'ye nasıl dönüştürürüm?
- Sayfaları seçilebilir metin içeren bir PDF yükleyin; bir tarama yalnızca görüntülere dönüşür. Bu sayfada dönüşüm seçeneği yoktur.
- İşle'ye tıklayın ve `{name}ToHtml.zip` dosyasını indirin, sonra sayfa dosyaları ve görüntüler bir arada kalsın diye kendi klasörüne açın.
- Frameset'i görmek için ana HTML dosyasını tarayıcıda açın ya da `-1.html` gibi tek bir sayfa dosyasını açın.
- Bir sayfayı PDF ile karşılaştırın: satırların doğru yerde olduğunu ve arka plan görüntüsünün yüklendiğini kontrol edin. Sayfa görüntü göstermiyorsa PNG dosyalarının HTML'in yanında durduğundan emin olun.
- Metin eksikse veya düzen kullanılamazsa sözcükler için PDF'den RTF'ye (metin)'i, yapı için PDF'den Markdown'a'yı deneyin ya da dosya bir tarama ise OCR çalıştırın.
Sınırlar ve özel durumlar
- Çıktı tek bir HTML dosyası değil, bir ZIP'tir
- Chromium yazdırması veya etiketli PDF HTML dışa aktarımı değildir
- Boş pdftohtml çıktısı 204 değil, bir hatadır
- Sabit düzen: yeniden akış yok, anlamsal başlık veya liste yok
- Her sayfa dönüştürülür; sayfa aralığı yok
- Taramalar yalnızca görüntü verir
- Bu sitedeki yükleme sınırı: dosya başına 500 MB; yaklaşık 95 MB üzerindeki dosyalar parçalar hâlinde gönderilir. Doğrudan tek bir API isteğinin gövdesi 100 MB ile sınırlıdır.
Örnekler
- İki sayfalık bir metin PDF'i, bir test çalıştırmasında `in.html` (bir frameset), `in_ind.html` (bir sayfa listesi), `in-1.html` ve `in-2.html` (sayfa başına bir) ve `in001.png` ile `in002.png` (arka planlar) üretti
- O çalıştırmada ilk sayfa dosyası, her metin satırını mutlak konumlandırılmış bir paragraf olarak, örneğin üstten 119 piksel ve soldan 108 piksel konumunda, 918 x 1188 piksellik bir arka plan görüntüsünün üzerinde tuttu
- Yalnızca taramadan oluşan bir PDF, çoğunlukla o sayfa görüntülerini saran bir HTML verir
Bu araç için gizlilik
Dosyalar HTTPS üzerinden yüklenir, bellek içinde veya sunucularımızdaki kısa ömürlü geçici bir dizinde işlenir ve sonucunuz hazır olduğunda silinir. Daha sonra gezinme, eğitim veya reklam profilleri için kopya tutmayız. Saklama ayrıntıları ve AdSense çerez bildirimleri için Gizlilik Politikası'na bakın.
Sık sorulan sorular
- Sonuç neden bir ZIP?
- pdftohtml, HTML'i ve çıkarılan görüntüleri bir klasöre yazar. Sunucu o klasörü zipler.
- HTML, PDF düzenimle eşleşir mi?
- Yalnızca Poppler'ın -c kipinin başardığı kadar. Çok sütunlu dergiler ve yoğun vektörler çoğu zaman yanlış görünür.
- Bir taramayı HTML metnine dönüştürebilir miyim?
- Hayır. Bu yol OCR yapmaz. Sözcüklere ihtiyacınız varsa OCR'den Markdown'a'yı kullanın.
- Tarayıcıda mı çalışır?
- Hayır. Sunucu pdftohtml'i çağırır.
- Açtıktan sonra önce hangi dosyayı açmalıyım?
- Solda sayfa listesi olan bir frameset almak için yüklemenizin adını taşıyan HTML dosyasını açın. Ya da yükleme adı artı sayfa numarasıyla adlandırılan bir sayfa dosyasını doğrudan açın. Arka plan görüntüleri yüklensin diye her şeyi tek bir klasörde tutun.
- Sayfa PDF'e benziyor ama metin neden yeniden akmıyor?
- Metnin her satırı, sayfanın arka plan görüntüsünün üzerinde mutlak piksel koordinatlarıyla yerleştirilir; bu yüzden düzen sabittir. Onu PDF'e yakın tutan da, küçük bir ekrana uyum sağlamamasının nedeni de budur.
- HTML'deki metin gerçek metin mi yoksa resim mi?
- Metin katmanlı bir PDF için paragraf öğelerinde gerçek metindir; bu yüzden tarayıcıda seçebilir, kopyalayabilir ve arayabilirsiniz. Taranmış bir PDF'in metin katmanı yoktur; bu yüzden sayfalar yalnızca görüntü olarak çıkar.
- Her şeyin içinde olduğu tek bir HTML dosyası alabilir miyim?
- Hayır. Çıktı her zaman birkaç dosyalık bir ZIP'tir. Tek bir metin dosyasına ihtiyacınız varsa PDF'den RTF'ye (metin) veya PDF'den Markdown'a'yı kullanın.
- Bunu mu yoksa PDF'den Word'e'yi mi kullanmalıyım?
- Tarayıcının açabildiği ve PDF'e benzeyen bir şey istediğinizde PDF'den HTML'ye'yi kullanın. İçeriği bir kişinin düzenlemesi gerektiğinde PDF'den Word'e'yi kullanın; çünkü o araç, satırları koordinatlara sabitlemek yerine bir düzenleyici için paragrafları yeniden kurar.
Son güncelleme:
Koddan çağırın
Bu sitedeki her araç düz bir REST arayüzüdür. Anonim kullanım için hesap veya API anahtarı gerekmez. Tarayıcı, geliştirici ve yapay zeka ajanları için aynı şekilde kullanılabilir.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfModel Context Protocol konuşan ajan istemcileri için MCP aracı olarak da kullanılabilir (JSON-RPC 2.0, POST /mcp). Tam API belgesi
Bir yapay zekâ ajanıyla kullanın
BeceriBu beceriyle Claude Code, Codex, Cursor ve diğer yapay zekâ ajanları sizin için "PDF'den HTML'ye" işlemini yapabilir: /skills/pdf123-pdf-to-html.md
Dosyalar yalnızca bu işlem için kullanılır ve ardından otomatik silinir.