Chuyển PDF sang HTML
PDF sang HTML chuyển PDF bằng pdftohtml của Poppler và giao một ZIP chứa các trang HTML cùng ảnh của chúng. Đây là bản chụp bố cục chứ không phải mã web sạch, và công cụ không OCR.
Kéo tệp vào đây, hoặc nhấp để chọn
Nhận PDF · tối đa 500.0 MB mỗi tệp · tối đa 20 tệp mỗi lần
Bạn cũng có thể dán tệp bằng Ctrl/Cmd+V hoặc từ menu clipboard.
PDF sang HTML chạy `pdftohtml -c` của Poppler và nén ZIP mọi thứ công cụ đó ghi vào thư mục đầu ra. Bản tải về là `{base}ToHtml.zip`, không phải một tệp `.html` đơn lẻ. CSS phức tạp kiểu trình duyệt không phải mục tiêu; đây là bản đổ HTML và ảnh của Poppler.
Không có trường biểu mẫu. Mọi trang đều được chuyển. Nếu `pdftohtml` không ghi gì, API trả về lỗi nội bộ thay vì một ZIP rỗng.
Đây không phải OCR. Bản quét chỉ có ảnh trở thành hình trong gói HTML, không phải chữ chọn được. Tệp có mật khẩu được mở khóa giúp bạn ngay trên trang này khi bạn nhập mật khẩu; người gọi API chạy Gỡ mật khẩu trước.
Nếu bạn chỉ cần các từ, PDF sang văn bản nhỏ hơn. Nếu bạn cần một bài viết thân thiện với CMS, PDF sang Markdown gần hơn.
Bên trong ZIP có gì, từ một lần chạy `pdftohtml -c` của Poppler trên PDF chữ hai trang: một `in.html` chỉ là frameset, một chỉ mục `in_ind.html` với một liên kết cho mỗi trang, một tệp HTML cho mỗi trang (`in-1.html`, `in-2.html`), và một PNG nền cho mỗi trang (`in001.png`, `in002.png`). Tên bắt đầu từ tên tệp bạn tải lên. Hãy mở tệp mang tên tệp bạn tải lên để thấy frameset với danh sách trang bên trái, hoặc mở trực tiếp một tệp trang. Phiên bản Poppler khác có thể đặt tên hoặc sắp xếp hơi khác.
Mỗi tệp trang định vị từng dòng chữ bằng tọa độ tuyệt đối, dưới dạng các đoạn riêng với giá trị `top` và `left` tính bằng điểm ảnh, nằm trên ảnh nền của trang. Trong lần chạy đó, một trang 612 x 792 điểm thành một khối 918 x 1188 điểm ảnh, gấp 1.5 lần kích thước điểm, và chữ vẫn là chữ HTML thật, chọn được, không phải hình. Vì mỗi dòng bị ghim vào một vị trí điểm ảnh, kết quả trông giống PDF nhưng không co giãn lại trên màn hình hẹp và khó chỉnh sửa.
Hãy hiểu đây là một bản sao bố cục cố định, không phải một bài web sạch. Tiêu đề, danh sách và đoạn văn không được dựng lại thành các phần tử HTML ngữ nghĩa. Nếu bạn muốn nội dung có thể thả vào CMS, hãy chuyển sang Markdown. Nếu bạn muốn một tài liệu chỉnh sửa được cho người dùng, hãy dùng PDF sang Word. Nếu bạn chỉ muốn các từ thuần, dùng PDF sang văn bản.
PDF quét không có lớp chữ để chuyển. Mỗi trang là một ảnh, nên các trang HTML bọc bức ảnh đó và không có từ nào để chọn. Hãy chạy OCR trước nếu bạn cần các từ, nhưng lưu ý OCR trả về Markdown, không phải một PDF mà bạn có thể đưa lại vào công cụ này.
Chiều ngược lại là HTML sang PDF, tạo PDF từ một trang HTML và không hoàn tác việc chuyển đổi này.
Tính năng
- Poppler `pdftohtml -c`, đầu ra ZIP HTML kèm tài nguyên
- Một tệp HTML cho mỗi trang cộng một chỉ mục và một trang frameset
- Chữ được định vị tuyệt đối trên ảnh nền của từng trang
- Không có phạm vi trang hay tùy chọn chủ đề
- Không OCR; bản quét trong gói vẫn là ảnh
- API ẩn danh: /api/v1/convert/pdf/html
Khi nào nên dùng
- Lấy bản đổ HTML thô của một PDF có lớp chữ
- Lấy các ảnh trang nhúng mà pdftohtml trích ra
- Xem Poppler nhìn tệp ra sao trước một đường ống tùy chỉnh
- Đọc bản sao bố cục cố định của PDF trong trình duyệt mà không cần trình xem PDF
- Thu vị trí chữ từng trang làm điểm khởi đầu cho script cào hay chuyển đổi của riêng bạn
Làm thế nào để chuyển PDF sang HTML?
- Tải lên PDF có trang chứa chữ chọn được; bản quét sẽ chỉ chuyển thành ảnh. Trang này không có tùy chọn chuyển.
- Nhấp xử lý, tải `{name}ToHtml.zip`, rồi giải nén vào thư mục riêng để các tệp trang và ảnh nằm cùng nhau.
- Mở tệp HTML chính trong trình duyệt để thấy frameset, hoặc mở một tệp trang như tệp `-1.html`.
- So một trang với PDF: kiểm tra các dòng đúng chỗ và ảnh nền được tải. Nếu trang không hiện ảnh, hãy chắc các tệp PNG nằm cạnh HTML.
- Nếu thiếu chữ hoặc bố cục không dùng được, hãy thử PDF sang văn bản để lấy các từ hoặc PDF sang Markdown để có cấu trúc, hoặc chạy OCR nếu tệp là bản quét.
Giới hạn và ngoại lệ
- Kết quả là ZIP, không phải một tệp HTML
- Không phải in bằng Chromium hay xuất HTML từ PDF có gắn thẻ
- Đầu ra pdftohtml rỗng là lỗi, không phải 204
- Bố cục cố định: không co giãn lại, không có tiêu đề hay danh sách ngữ nghĩa
- Mọi trang đều được chuyển; không có phạm vi trang
- Bản quét chỉ cho ảnh
- Giới hạn tải lên trên trang web này: 500 MB mỗi tệp, tệp lớn hơn khoảng 95 MB được gửi theo từng phần. Một yêu cầu API trực tiếp bị giới hạn ở 100 MB.
Ví dụ
- Một PDF chữ hai trang cho ra `in.html` (frameset), `in_ind.html` (danh sách trang), `in-1.html` và `in-2.html` (mỗi trang một tệp) cùng `in001.png` và `in002.png` (ảnh nền) trong một lần chạy thử
- Trong lần chạy đó, tệp trang đầu chứa mỗi dòng chữ như một đoạn định vị tuyệt đối, ví dụ cách đỉnh 119 điểm ảnh và cách trái 108, trên ảnh nền 918 x 1188 điểm ảnh
- Một PDF chỉ có bản quét cho HTML chủ yếu bọc các ảnh trang đó
Quyền riêng tư của công cụ này
Tệp được tải lên qua HTTPS, xử lý trong bộ nhớ hoặc thư mục tạm ngắn hạn trên máy chủ của chúng tôi, rồi bị xóa khi kết quả sẵn sàng. Chúng tôi không giữ bản sao để duyệt sau, huấn luyện hay lập hồ sơ quảng cáo. Thời hạn lưu giữ và thông báo cookie AdSense nằm trong Chính sách quyền riêng tư.
Câu hỏi thường gặp
- Vì sao kết quả là ZIP?
- pdftohtml ghi HTML cùng các ảnh trích ra vào một thư mục. Máy chủ nén thư mục đó.
- HTML có khớp bố cục PDF của tôi không?
- Chỉ tốt đến mức chế độ -c của Poppler làm được. Tạp chí nhiều cột và vector nặng thường trông sai.
- Tôi chuyển bản quét thành chữ HTML được không?
- Không. Đường này không OCR. Dùng OCR sang Markdown nếu bạn cần các từ.
- Nó có chạy trong trình duyệt không?
- Không. Máy chủ gọi pdftohtml.
- Sau khi giải nén tôi mở tệp nào trước?
- Mở tệp HTML mang tên tệp bạn tải lên để có frameset với danh sách trang bên trái. Hoặc mở trực tiếp một tệp trang, được đặt theo tên tệp tải lên kèm số trang. Hãy giữ mọi thứ trong một thư mục để ảnh nền được tải.
- Vì sao trang trông giống PDF nhưng chữ không co giãn lại?
- Mỗi dòng chữ được đặt bằng tọa độ điểm ảnh tuyệt đối trên ảnh nền của trang, nên bố cục cố định. Đó là điều giữ nó gần với PDF và cũng là lý do nó không thích ứng với màn hình nhỏ.
- Chữ trong HTML là chữ thật hay hình?
- Với PDF có lớp chữ, đó là chữ thật trong các phần tử đoạn, nên bạn chọn, sao chép và tìm kiếm được trong trình duyệt. PDF quét không có lớp chữ, nên các trang ra chỉ là ảnh.
- Tôi có thể có một tệp HTML chứa mọi thứ không?
- Không. Kết quả luôn là ZIP gồm nhiều tệp. Nếu cần một tệp chữ duy nhất, dùng PDF sang văn bản hoặc PDF sang Markdown.
- Nên dùng cái này hay PDF sang Word?
- Dùng PDF sang HTML khi bạn muốn thứ trình duyệt mở được và trông giống PDF. Dùng PDF sang Word khi một người cần chỉnh sửa nội dung, vì công cụ đó dựng lại đoạn văn cho trình soạn thảo thay vì ghim các dòng vào tọa độ.
Cập nhật lần cuối:
Gọi bằng mã
Mỗi công cụ trên trang là một API REST thông thường. Dùng ẩn danh không cần tài khoản hay API key. Trình duyệt, lập trình viên và agent đều gọi được.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdfCũng có dạng công cụ MCP cho client dùng Model Context Protocol (JSON-RPC 2.0, POST /mcp). Tài liệu API đầy đủ
Dùng từ AI agent
SkillVới skill này, Claude Code, Codex, Cursor và các AI agent khác có thể chạy "PDF sang HTML" thay bạn: /skills/pdf123-pdf-to-html.md
Tệp chỉ dùng cho lần xử lý này, xong là tự xóa.