把 PDF 轉成 HTML
PDF 轉 HTML 用 Poppler 的 pdftohtml 轉換 PDF,交付一個含 HTML 頁面及其圖片的 ZIP。它是版面匯出,而不是整潔的網頁標記,也不做 OCR。
把檔案拖到這裡,或點一下選擇
支援 PDF · 每個檔案上限 500.0 MB · 一次最多 20 個檔案
也可以按 Ctrl/Cmd+V 或從剪貼簿選單貼上檔案。
PDF 轉 HTML 會執行 Poppler `pdftohtml -c`,並把該工具寫進輸出目錄的所有內容打包成 ZIP。下載檔是 `{base}ToHtml.zip`,不是單一的 `.html` 檔案。目標不是瀏覽器等級的複雜 CSS,這是 Poppler 的 HTML 與圖片匯出。
本頁沒有表單欄位。每一頁都會轉換。如果 `pdftohtml` 什麼都沒寫出,API 會回傳內部錯誤,而不是空的 ZIP。
這不是 OCR。純影像的掃描檔會變成 HTML 套件裡的圖片,而不是可選取的文字。有密碼保護的檔案,在你輸入密碼後會在本頁為你解鎖;API 呼叫端需先執行移除密碼。
如果你只需要文字,PDF 轉文字的結果比較精簡。如果你需要適合 CMS 的文章,PDF 轉 Markdown 更接近。
ZIP 裡面有什麼,以下是對一份兩頁文字 PDF 執行 Poppler `pdftohtml -c` 的結果:一個只是框架集(frameset)的 `in.html`、一個每頁一個連結的索引 `in_ind.html`、每頁一個 HTML 檔案(`in-1.html`、`in-2.html`),以及每頁一張背景 PNG(`in001.png`、`in002.png`)。名稱以你上傳的檔名為開頭。開啟以你的上傳檔名命名的檔案,可以看到左側有頁面清單的框架集,或直接開啟單一頁面檔案。不同版本的 Poppler 在命名或排列上可能略有不同。
每個頁面檔案都用絕對座標定位每一行文字,以個別段落的形式、以像素為單位的 `top` 與 `left` 值,疊在該頁的背景圖片之上。在那次執行中,612 x 792 點的頁面變成 918 x 1188 像素的區塊,是點尺寸的 1.5 倍,而文字仍是真正可選取的 HTML 文字,而不是圖片。因為每一行都被固定在某個像素位置,結果看起來像 PDF,但不會在窄螢幕上重新排版,編輯起來也很不方便。
請把它理解成固定版面的副本,而不是整潔的網頁文章。標題、清單和段落不會被重建成語意化的 HTML 元素。如果你想要可以直接放進 CMS 的內容,請改轉成 Markdown。如果你想要供人編輯的文件,請用 PDF 轉 Word。如果你只要純文字,請用 PDF 轉文字。
掃描的 PDF 沒有可轉換的文字層。每一頁都是圖片,所以 HTML 頁面包的是那張圖片,沒有任何文字可以選取。如果你需要文字,請先執行 OCR,但請注意 OCR 傳回的是 Markdown,而不是可以再餵回本工具的 PDF。
反方向是 HTML 轉 PDF,它會從 HTML 頁面製作 PDF,並不會還原這項轉換。
功能
- Poppler `pdftohtml -c`,輸出 HTML 與資源的 ZIP
- 每頁一個 HTML 檔案,另有索引與框架集頁面
- 文字以絕對位置疊在每一頁的背景圖片上
- 沒有頁面範圍或主題選項
- 不是 OCR;掃描檔在套件中仍是圖片
- 匿名 API:/api/v1/convert/pdf/html
適用情境
- 從有文字層的 PDF 取得粗略的 HTML 輸出
- 取走 pdftohtml 擷取出的頁面圖片
- 在建立自訂流程之前,檢視 Poppler 如何看待這個檔案
- 不用 PDF 檢視器,就在瀏覽器中讀取 PDF 的固定版面副本
- 收集每頁的文字位置,作為你自己的爬取或轉換腳本的起點
如何把 PDF 轉成 HTML?
- 上傳頁面含有可選取文字的 PDF;掃描檔只會轉成圖片。本頁沒有轉換選項。
- 點選處理,下載 `{name}ToHtml.zip`,再把它解壓縮到專屬的資料夾,讓頁面檔案和圖片放在一起。
- 在瀏覽器中開啟主要的 HTML 檔案可看到框架集,或開啟單一頁面檔案,例如 `-1.html` 那個。
- 把一頁和 PDF 比對:檢查每一行是否在正確位置,以及背景圖片是否載入。如果頁面沒有顯示圖片,請確認 PNG 檔案和 HTML 放在同一處。
- 如果文字缺失或版面無法使用,請試試 PDF 轉文字取得文字,或 PDF 轉 Markdown 取得結構;如果檔案是掃描檔,則請執行 OCR。
限制與邊界
- 輸出是 ZIP,不是單一 HTML 檔案
- 不是 Chromium 列印,也不是 tagged-PDF 的 HTML 匯出
- pdftohtml 空輸出是錯誤,不是 204
- 固定版面:不會重新排版,也沒有語意化的標題或清單
- 每一頁都會轉換;沒有頁面範圍
- 掃描檔只會得到圖片
- 本網站的上傳上限:每個檔案 500 MB,超過約 95 MB 時分塊上傳。直接呼叫 API 時,單一請求本文上限為 100 MB。
示例
- 在一次測試執行中,兩頁的文字 PDF 產生了 `in.html`(框架集)、`in_ind.html`(頁面清單)、`in-1.html` 與 `in-2.html`(每頁一個),以及 `in001.png` 與 `in002.png`(背景圖)
- 在那次執行中,第一個頁面檔案把每行文字都放成絕對定位的段落,例如距離頂部 119 像素、距離左側 108 像素,疊在 918 x 1188 像素的背景圖片上
- 只有掃描內容的 PDF 產生的 HTML,多半只是包著那些頁面圖片
本工具的隱私說明
檔案經 HTTPS 上傳,在伺服器記憶體或短期暫存目錄中處理,結果就緒後即刪除。我們不會為日後瀏覽、訓練或廣告輪廓保留副本。留存期限與 AdSense Cookie 說明見隱私權政策。
常見問題
- 為什麼結果是 ZIP?
- pdftohtml 會把 HTML 加上擷取出的圖片寫進一個資料夾。伺服器把那個資料夾打包。
- HTML 會和我的 PDF 版面一致嗎?
- 只到 Poppler 的 -c 模式能做到的程度。多欄的雜誌和大量向量圖常常看起來不對。
- 能把掃描檔轉成 HTML 文字嗎?
- 不能。這條路徑不做 OCR。需要文字的話請用 OCR 轉 Markdown。
- 是在瀏覽器裡執行的嗎?
- 不是。伺服器會呼叫 pdftohtml。
- 解壓縮後該先開啟哪個檔案?
- 開啟以你的上傳檔名命名的 HTML 檔案,會得到左側有頁面清單的框架集。或直接開啟頁面檔案,它們以上傳檔名加上頁碼命名。請把所有檔案放在同一個資料夾,背景圖片才會載入。
- 為什麼頁面看起來像 PDF,但文字不會重新排版?
- 每一行文字都用絕對像素座標放在該頁的背景圖片上,所以版面是固定的。這讓它貼近 PDF,也是它無法適應小螢幕的原因。
- HTML 裡的文字是真正的文字,還是圖片?
- 對有文字層的 PDF 來說,它是段落元素裡的真正文字,所以你可以在瀏覽器中選取、複製和搜尋。掃描的 PDF 沒有文字層,所以頁面只會是圖片。
- 能得到一個包含所有內容的 HTML 檔案嗎?
- 不能。輸出永遠是由多個檔案組成的 ZIP。如果你需要單一的文字檔案,請用 PDF 轉文字或 PDF 轉 Markdown。
- 該用這個還是 PDF 轉 Word?
- 想要瀏覽器能開啟、而且看起來像 PDF 的東西,請用 PDF 轉 HTML。需要由人編輯內容時,請用 PDF 轉 Word,因為那個工具會為編輯器重建段落,而不是把每一行固定在座標上。
最後更新:
用程式碼呼叫
本站每個工具都是普通 REST 介面。匿名使用不需要帳號或 API Key,給瀏覽器、開發者與 AI 代理同樣可用。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/html" \
-F "[email protected]" \
-o output.pdf也提供 MCP 工具,供說 Model Context Protocol 的用戶端呼叫(JSON-RPC 2.0,POST /mcp)。 完整 API 文件
在 AI 代理中使用
Skill裝上這個 Skill,Claude Code、Codex、Cursor 等 AI 代理就能替你完成「PDF 轉 HTML」: /skills/pdf123-pdf-to-html.md
檔案只用於本次處理,完成後自動刪除。