Перейти до основного вмісту
PPDF123

Перетворення PDF на HTML

PDF у HTML перетворює PDF через pdftohtml із Poppler і віддає ZIP зі сторінками HTML та їхніми зображеннями. Це зліпок макета, а не чиста веброзмітка, і OCR він не виконує.

Перетягніть файли сюди або натисніть, щоб вибрати

Формати: PDF · до 500.0 MB на файл · до 20 файлів за раз

Файл також можна вставити через Ctrl/Cmd+V або з меню буфера обміну.

«PDF у HTML» запускає Poppler `pdftohtml -c` і пакує в ZIP усе, що цей інструмент пише в каталог виводу. Ім’я завантаження — `{base}ToHtml.zip`, а не один файл `.html`. Мета — не складний браузерний CSS; це дамп HTML і зображень від Poppler.

Полів форми немає. Конвертуються всі сторінки. Якщо `pdftohtml` нічого не записав, API повертає внутрішню помилку, а не порожній ZIP.

Це не OCR. Скани без текстового шару стають картинками всередині пакета HTML, а не виділюваним текстом. Файли, захищені паролем, на цій сторінці розблоковуються за вас, щойно ви введете пароль; виклики через API спочатку виконують «Зняти пароль».

Якщо вам потрібні лише слова, «PDF у RTF (текст)» менший за обсягом. Якщо потрібна стаття, зручна для CMS, ближчий «PDF у Markdown».

Що всередині ZIP за результатами запуску Poppler `pdftohtml -c` на двосторінковому текстовому PDF: `in.html`, який є лише набором фреймів, індекс `in_ind.html` з одним посиланням на сторінку, один файл HTML на сторінку (`in-1.html`, `in-2.html`) і один фоновий PNG на сторінку (`in001.png`, `in002.png`). Імена починаються з імені вашого вивантаженого файлу. Відкрийте файл з іменем вашого вивантаження, щоб побачити набір фреймів зі списком сторінок ліворуч, або відкрийте окремий файл сторінки напряму. Інша версія Poppler може називати чи розташовувати файли трохи інакше.

Кожен файл сторінки позиціонує кожен рядок тексту за абсолютними координатами, окремими абзацами зі значеннями `top` і `left` у пікселях, поверх фонового зображення сторінки. У тому запуску сторінка 612 на 792 пункти стала блоком 918 на 1188 пікселів, у 1,5 раза більшим за розмір у пунктах, а текст лишився справжнім виділюваним текстом HTML, а не картинкою. Оскільки кожен рядок прив’язано до піксельної позиції, результат схожий на PDF, але не перекомпоновується на вузькому екрані й незручний для редагування.

Сприймайте це як копію з фіксованою розкладкою, а не чисту вебстаттю. Заголовки, списки й абзаци не відтворюються як семантичні елементи HTML. Якщо потрібен вміст, який можна покласти в CMS, натомість перетворіть на Markdown. Якщо потрібен редагований документ для людей, скористайтеся «PDF у Word». Якщо потрібні лише слова, скористайтеся «PDF у RTF (текст)».

У відсканованих PDF немає текстового шару, який можна перетворити. Кожна сторінка — це зображення, тож сторінки HTML обгортають цю картинку, а слів для виділення немає. Якщо потрібні слова, спершу запустіть OCR, але зважайте, що OCR повертає Markdown, а не PDF, який можна було б знову подати в цей інструмент.

Зворотний напрямок — «HTML у PDF», що створює PDF зі сторінки HTML і не скасовує це перетворення.

Що вміє

  • Poppler `pdftohtml -c` у ZIP із HTML і ресурсами
  • Один файл HTML на сторінку плюс індекс і сторінка з набором фреймів
  • Текст позиціонується абсолютно поверх фонового зображення кожної сторінки
  • Без діапазону сторінок чи опцій теми
  • Не OCR; скани в пакеті лишаються зображеннями
  • Анонімний API: /api/v1/convert/pdf/html

Коли брати цей інструмент

  • Отримати грубий дамп HTML з PDF із текстовим шаром
  • Витягнути вбудовані зображення сторінок, які дістає pdftohtml
  • Подивитися, як Poppler бачить файл, перш ніж будувати власний конвеєр
  • Прочитати копію PDF із фіксованою розкладкою в браузері без переглядача PDF
  • Зібрати позиції тексту кожної сторінки як відправну точку для власного скрипта скрейпінгу чи перетворення

Як перетворити PDF на HTML?

  1. Вивантажте PDF, сторінки якого містять виділюваний текст; скан перетвориться лише на зображення. Опцій перетворення на цій сторінці немає.
  2. Натисніть «Обробити», завантажте `{name}ToHtml.zip` і розпакуйте його в окрему теку, щоб файли сторінок і зображення лишалися разом.
  3. Відкрийте головний файл HTML у браузері, щоб побачити набір фреймів, або відкрийте окремий файл сторінки, як-от `-1.html`.
  4. Порівняйте сторінку з PDF: перевірте, що рядки стоять на своїх місцях і фонове зображення завантажується. Якщо сторінка не показує зображення, переконайтеся, що файли PNG лежать поруч з HTML.
  5. Якщо тексту немає або розкладка непридатна, спробуйте «PDF у RTF (текст)» для слів чи «PDF у Markdown» для структури або запустіть OCR, якщо файл — скан.

Обмеження і межі

  • Результат — ZIP, а не один файл HTML
  • Не друк Chromium і не експорт HTML із тегованого PDF
  • Порожній вивід pdftohtml — це помилка, а не 204
  • Фіксована розкладка: без перекомпонування, без семантичних заголовків і списків
  • Конвертуються всі сторінки; діапазону сторінок немає
  • Скани дають лише зображення
  • Обмеження завантаження на цьому сайті: 500 МБ на файл; якщо файл більший за приблизно 95 МБ, він надсилається частинами. Тіло одного прямого запиту до API — не більше 100 МБ.

Приклади

  • Двосторінковий текстовий PDF у тестовому запуску дав `in.html` (набір фреймів), `in_ind.html` (список сторінок), `in-1.html` та `in-2.html` (по одному на сторінку) і `in001.png` та `in002.png` (фони)
  • У тому запуску перший файл сторінки містив кожен рядок тексту як абсолютно позиціонований абзац, наприклад на 119 пікселів від верху й 108 від лівого краю, поверх фонового зображення 918 на 1188 пікселів
  • PDF лише зі сканів дає HTML, що здебільшого обгортає ці зображення сторінок

Приватність цього інструмента

Файли надсилаються через HTTPS, обробляються в оперативній пам’яті або в короткочасному тимчасовому каталозі на наших серверах і видаляються, щойно результат готовий. Копій для подальшого перегляду, навчання моделей чи рекламних профілів ми не зберігаємо. Строки зберігання та відомості про файли cookie AdSense наведені в Політиці конфіденційності.

Часті запитання

Чому результат — ZIP?
pdftohtml пише HTML плюс витягнуті зображення в теку. Сервер пакує цю теку в ZIP.
Чи збігатиметься HTML з розкладкою мого PDF?
Лише настільки, наскільки це вдається режиму -c у Poppler. Багатоколонкові журнали й важка векторна графіка часто виглядають неправильно.
Чи можна перетворити скан на текст HTML?
Ні. Цей шлях не виконує OCR. Якщо потрібні слова, скористайтеся «OCR у Markdown».
Чи це працює в браузері?
Ні. Сервер викликає pdftohtml.
Який файл відкрити першим після розпакування?
Відкрийте файл HTML з іменем вашого вивантаження, щоб отримати набір фреймів зі списком сторінок ліворуч. Або відкрийте файл сторінки напряму; його названо за вивантаженням з номером сторінки. Тримайте все в одній теці, щоб фонові зображення завантажувалися.
Чому сторінка схожа на PDF, але текст не перекомпоновується?
Кожен рядок тексту розміщено за абсолютними піксельними координатами поверх фонового зображення сторінки, тож розкладка фіксована. Саме це тримає її близькою до PDF і водночас не дає адаптуватися до малого екрана.
Текст у HTML — справжній текст чи картинка?
Для PDF із текстовим шаром це справжній текст в елементах абзаців, тож у браузері його можна виділяти, копіювати й шукати. Відсканований PDF не має текстового шару, тож сторінки виходять лише зображеннями.
Чи можна отримати один файл HTML з усім усередині?
Ні. Результат — завжди ZIP з кількох файлів. Якщо потрібен один файл із текстом, скористайтеся «PDF у RTF (текст)» або «PDF у Markdown».
Що обрати: цей інструмент чи «PDF у Word»?
«PDF у HTML» — коли потрібне те, що відкривається в браузері й виглядає як PDF. «PDF у Word» — коли людина має редагувати вміст, бо той інструмент відтворює абзаци для редактора, а не прикріплює рядки до координат.

Востаннє оновлено:

Виклик із коду

Кожен інструмент на сайті - звичайний REST-інтерфейс. Для анонімної роботи не потрібні обліковий запис чи ключ API. І для браузера, і для розробників, і для програмних агентів.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
  -F "[email protected]" \
  -o output.pdf

Також є як MCP-інструмент для клієнтів із Model Context Protocol (JSON-RPC 2.0 через POST /mcp). Повний довідник API

Використати через ШІ-агента

Скіл

З цим скілом Claude Code, Codex, Cursor та інші ШІ-агенти зможуть виконати «PDF у HTML» замість вас: /skills/pdf123-pdf-to-html.md

Усі скіли для агентів

Файли потрібні лише для цієї обробки й потім стираються самі.