PDF 转 HTML

将 PDF 变成带有真正标题、段落和列表的干净 HTML 网页。

你的文件始终留在你的设备上。

工作原理

选择一个 PDF,转换器会在你的浏览器中读取其文字。它会判断阅读顺序,根据字号识别标题,把行重新拼成段落,还原行尾用连字符断开的单词,并去掉重复的页眉、页脚和页码,然后生成HTML 网页。

能做什么,不能做什么

  • 最适合由文档生成的 PDF,例如 Word 导出文件、报告、文章和书籍。
  • 扫描的 PDF没有可提取的文字。这些页面会被跳过,工具会告诉你是哪些页。
  • 保留表格。按列对齐的文字会变成真正的表格,第一行作为表头;在文本文件中,各列用空格对齐。延续到下一页的表格仍是同一个表格。
  • 不照搬版式。多栏页面和文本框会变成普通段落。HTML 和 EPUB 会把图片保留在前后段落之间,图标、每页都有的标志和背景会被省略。
  • 标题按字号识别,因此与正文字号相同的标题会保留为段落。

适用场景

  • 把文档发布为网页,在手机上也易于阅读。
  • 把 PDF 的内容转移到网站、博客或 CMS 中。
  • 让 PDF 更易于屏幕阅读器读取,因为它们更善于处理真正的标题。

常见问题

我的 PDF 会上传到你们的服务器吗?

不会。转换在你的浏览器中进行,文件不会离开你的设备。HTML 网页也是在你的设备上生成的。发送到我们服务器的只有你今天转换的次数。

它适用于扫描的 PDF 吗?

不适用。扫描的页面是文字的图片,没有文字层,所以没有可提取的内容。这类页面会被跳过,并在转换后列出。把扫描件变成文字需要 OCR,本工具不提供。

它会保留 PDF 的版式吗?

不会,这是有意为之。它会重建阅读顺序、标题、段落和列表,让结果更易读,而不是照搬页面版式。分栏和表格不会保留。HTML 和 EPUB 会保留图片,放在前后段落之间。

文件大小有什么限制?

每次一个 PDF,最大 50 MB、1,000 页。受密码保护的 PDF 需要先去除密码。

我会得到什么样的 HTML?

一个干净的 HTML5 页面,使用真正的标题(h1 到 h3)、段落和列表,并带有少量内置样式便于阅读。没有脚本、没有跟踪代码,也没有绝对定位的方框,方便编辑或粘贴到网站中。

把这个 HTML 放到我的网站上安全吗?

安全。PDF 中的所有文字都经过转义,无法向页面添加自己的标签或脚本。