PDF から HTML への変換 Portable Document Format ↔ HyperText Markup Language 無料 オンライン 安全
PDF はこのブラウザーの中で読み取られ、HTML として書き出されます。PDF が覚えているのは各文字の置かれた位置であって、その意味ではありません。だから見出し・段落・箇条書き・表は、位置と大きさから割り出しています。出てくるのは、また編集できるものです。ページの写真ではありません。
ファイルを変換する
ここに PDF をドロップするか、選んでください。
ファイルはこの端末から出ません。すべてブラウザー内で動きます。
アップロードなし
この形式はどこから来たか
EPUBは、底を割れば、圧縮された網站です。体裁表と目次を伴うHTMLの頁の束。電子書籍の文字が流れ直すのはそのためです。読む人が文字の大きさを選べば、語はおのずと並び替わります。閲覧ソフトの窓の中とまったく同じです。MOBIは、アマゾンが二〇〇五年に買ったフランスの会社モビポケットから来ました。最初のKindleの形式となり、二〇二二年にアマゾンがEPUBに譲って退かせました。PDFとの対比こそが、この一族のすべての物語です。PDFは一度組んだきり二度と動かない固定の頁を抱え、電子書籍は、読む人が開くまで頁というものを持たない文字を抱えます。
どこで出会うか
EPUBは、Kindle以外のどの読書端末も当てにしている形式であり、公共図書館が貸し出すもの、多くの出版社が作るものです。MOBIは古いKindleと、切り替え前に買った本の蔵のためのもの。PDFをどちらかへ換算するのは、報告書や手引きや絶版本の読み取りを、文字を大きくできる読書端末へ持っていくいつもの道です。
よくある質問
PDFをEPUBへ換算したら乱れて見えるのはなぜですか。
二つが逆向きに働くからです。PDFは固定の頁の上で、どの語がどこに座っているかを知っています。EPUBのほうは、何が見出しで何が段落か、すべてがどの順で来るかを教えてもらわねばなりません。そしてそのどれもPDFには書かれていません。換算する側は位置と大きさから推し量り、一段組みの素の文字ならよくこなします。二段組み、脚注、どの頁にも繰り返される柱、説明のついた表や図——当て推量が見えるのはそこであり、たいていは手で整える必要が出てきます。
今でもMOBIを使うべきですか。
ほかに何も読めない古い端末のためだけです。アマゾンは二〇二二年、Kindleへ文書を送るためのMOBIの受け付けをやめ、いまはEPUBを求めます。今のKindleはEPUBをそのまま扱えます。今日選ぶのであればEPUBを選んでください。図書館が貸し、出版社が作り、よほど古いもの以外どの端末も解する形式です。
ファイルの質は落ちますか。
二つの形式が何を収められるかによります。同じものを保つ形式どうしの変換——PNGからBMP、WAVからFLAC——では何も失われません。場所を節約するために情報を捨てる形式、たとえばJPEGやMP3への変換では、そのたびに少しずつ失われ、戻しても返ってはきません。選べる場合、このページは最小のファイルを作ることより、もとの質を保つほうに傾きます。
私のファイルはどこかへ送られますか。
いいえ。変換はあなたの機械の上、あなたの閲覧ソフトの中で行われます。ファイルはそこを離れませんし、ここには受け取りうる計算機もありません。大きなファイルを縛るのが送信ではなくあなた自身の記憶装置であるのも、あなたが変換したものが誰の記録にも——私たちの記録にも——現れえないのも、そのためです。ただし音と映像の道具は、初めて使うときにこの場所から変換の機関を取り寄せます。三十メガバイトほど、一度だけです。そのあとも仕事はすべてあなたの機械の上で行われます。
PDF を HTML に変換する理由
PDF は、ページ上で印刷して読むために作られています。ウェブページは、画面で、どんな大きさでも、誰にでも読めるように作られています。スクリーンリーダーを使う人、検索エンジン、スマートフォンも含めてです。PDF としてしか存在しない文書をウェブサイトに載せる必要があるとき、小さな画面で楽に読みたいとき、あるいはウェブのプロジェクトで再利用したいとき、自然な一手は PDF を HTML に変換することです。文書の言葉、見出し、画像を、ウェブの言語でほしいのです。
難しいのは、PDF が文書の意味を記録していないことです。記録しているのは、それぞれの文字がページのどこにあるかです。この文字はここ、あの行はそこ、この画像は隅に。見出し、段落、一覧という概念は保存されていません。変換では、位置と大きさを読み取って、何が見出しで、何が段落で、何が一覧の項目で、何が表なのかを判断しなければなりません。このページはそれを、お使いのブラウザー内で行い、ページの画像ではなく、開いて、編集して、公開できるウェブページを返します。
PDF はサーバーにアップロードされません。自分で公開すると決めるまで手元にとどめたい報告書、下書き、論文にとって、これは重要です。以下では、変換の仕組み、引き継がれるもの、引き継がれないもの、そして結果を最大限に生かす方法を説明します。
変換の仕組み
構造はページから割り出される
PDF はお使いのブラウザー内で読み込まれます。ページごとに、変換ツールがテキストをその位置と大きさとともに集め、何が何であるかを判断します。ほかより大きく組まれた行は、おそらく見出しです。普通の間隔で続く行は、段落をなします。箇条書きの記号や番号で始まる行は、一覧をなします。揃ったセルに並べられたテキストは、表をなします。結果は、それらの見出し、段落、一覧、表が本物の要素として入った HTML として書き出されます。
自己完結した一つのファイル
結果は、自己完結した一つのファイルです。画像はデータとしてその中に収められているので、どこへ移しても、まるごとのままです。ページと、まとめて保管しなければならない画像のフォルダーを受け取るのではなく、ブラウザーで開いたり、メッセージに添付したり、サイトにアップロードしたりできる一つのファイルを受け取ります。
これが役立つ理由
一つのファイルは扱いが簡単です。ダブルクリックして結果を見られ、画像が欠ける心配なく同僚に送れ、文書の記録として、オープンで読める形式で保管できます。
保たれるもの
見出し、段落、太字、斜体
見出し、段落、太字、斜体は引き継がれます。テキストはページと同じ順序で読め、強調は認識できるところで保たれます。
一覧と表
一覧は一覧として、表は行と列をもつ表として出てくるので、ウェブに届く途中で文書の構造が失われることはありません。
画像
画像は引き継がれ、ファイルに埋め込まれるので、どこで開いても表示されます。
引き継がれないもの
ファイルが大きくなる
画像を中に収めると、マークアップだけの場合よりも、ファイルがかなり大きくなります。それが、フォルダーではなく一つのファイルであることの代償です。サイトにページを公開するつもりなら、画像を取り出して別々に圧縮するほうがよいかもしれません。
レイアウト、段組み、脚注
ページのレイアウト、段組み、脚注は落とされます。ウェブページは画面の幅に合わせて流れるので、PDF の固定されたページには対応するものがありません。二段組みで組まれたページは、行がページを横切って、置かれたとおりに読まれるため、段が交互に混ざって出てきます。文書に段組みがあるなら、混ざって見えることを覚悟してください。
スキャンされた PDF からは何も出ない
スキャンされた PDF からは何も出ません。テキストではなく、テキストの画像を保持しているからです。画像の中の文字を認識するのは別の仕事で、光学文字認識と呼ばれ、この変換はそれを行いません。
ここで PDF を HTML に変換する方法
PDF を追加する
PDF をページにドロップするか、端末から選びます。お使いのブラウザー内で開かれ、アップロードされません。
変換する
ボタンを押します。短い文書なら数秒、画像の多い長い文書ならもっとかかります。終わるまでページを開いたままにしてください。
ダウンロードして開く
HTML ファイルをダウンロードし、ブラウザーで開きます。最初から見ていき、見出しと表を確認して、望むなら任意のテキストエディターやウェブエディターで編集してください。
PDF と HTML をもう少し詳しく
固定と流れ
PDF は固定されています。すべての文字の位置がファイルの一部です。HTML は流れています。内容が何であるかを述べ、目の前の画面にどう配置するかはブラウザーが決めます。この二つの考え方はほとんど正反対で、だから変換では、PDF が決して記録しなかった構造を、改めて見つけ出さなければなりません。HTML を PDF に変換は逆方向に進み、ページを文書に固定します。
HTML がテキストの入れ物として優れている理由
HTML は簡単な印の付いたプレーンテキストで、どんな機器のどんなブラウザーでも読め、検索エンジンやスクリーンリーダーに理解され、編集も簡単です。HTML として保存された文書は、特別なソフトがあってもなくても、何十年も読めるでしょう。公開するつもりがなくても、PDF を HTML に変換するもっともな理由です。
PDF がうまく変換される条件
普通の段落をもつ簡素なテキスト文書は、きれいに変換されます。記事、報告書、小論文です。サイドバー、テキストボックス、複数の段組みでデザインされた文書は、うまく変換されません。PDF を HTML に変換するときは、レイアウトされた文書ではなく、書かれた文書から最良の結果を期待してください。
よくある場面を詳しく
文書をウェブサイトで公開する
PDF としてしか存在しない報告書や論文は、スマートフォンで読め、検索エンジンに索引され、節ごとにリンクできるウェブページにできます。PDF を HTML に変換してから、ページを整え、サイトに置いてください。
小さな画面で読む
ウェブページは画面に適応します。スマートフォンでは、長い文書の HTML 版のほうが、拡大してドラッグしなければならない PDF よりも、はるかに読みやすいのです。
ウェブのプロジェクトでテキストを再利用する
内容を PDF で受け取ったデザイナーや開発者は、テキストを HTML として取り出し、打ち直さずに、ページ、ニュースレター、ヘルプセンターで再利用できます。
オープンな形式での保管
HTML ファイルは、文書の耐久性のあるオープンな形です。読むソフトに何が起きても、テキストが利用できるように、PDF の隣に HTML のコピーを保管する記録管理者もいます。
PDF を HTML に変換する前の実際的な助言
テキストが選択できるか試す
PDF をどんなビューアーでも開き、マウスで文を選択してみてください。言葉が強調表示されるなら、ファイルは本物のテキストを保持しており、PDF を HTML に変換して良い結果が期待できます。ページ上に長方形をドラッグできるだけなら、それは画像で、この種の変換では言葉は一つも見つかりません。
ファイルサイズに気をつける
画像がファイルの中に収められるので、画像の多い PDF は大きな HTML になります。公開する前に、PDF を圧縮して PDF を小さくすることを考えてください。そうすれば、画像が軽い状態から始まります。
必要なものを抽出する
長い文書の一部だけがほしいなら、まずPDF からページを抽出してください。短い文書のほうが速く変換され、確認も楽です。
結果を整える予定を立てる
ページは素朴で、スタイルの追加はあなたしだいです。サイト用に PDF を HTML に変換するなら、スタイルシートをリンクし、見出しをデザインに合わせて調整することを覚悟してください。
変換する前によくある質問
ファイルがこんなに大きいのはなぜですか？
画像がデータとして中に収められているからです。そのおかげで一つのファイルになり、便利ですが、テキストだけより大きくなります。
段組みが混ざってしまうのはなぜですか？
行がページを横切って、置かれたとおりに読まれるからです。二段組みのページは、交互に混ざって出てきます。
PDF のように見えますか？
いいえ。言葉、見出し、一覧、表、画像は引き継がれますが、ページのレイアウトは引き継がれません。ウェブページは画面に合わせて流れます。
何も出なかったのはなぜですか？
ほぼ間違いなく、PDF がスキャンです。スキャンが保持しているのは、テキストではなくテキストの画像です。
PDF はアップロードされますか？
いいえ。変換はお使いのブラウザー内で実行され、文書が端末の外に出ることはありません。
HTML を PDF に戻せますか？
はい。HTML を PDF に変換が、お使いのブラウザーの印刷ダイアログを使ってそれを行います。
PDF を HTML に変換するときの賢い選び方
何がほしいかを決める
編集できる文書がほしいなら、PDF を DOCX に変換のほうが合うかもしれません。電子書籍がほしいなら、PDF を EPUB に変換があります。行き先がウェブのとき、HTML が正しい選択です。
手元で最もきれいな元から始める
ワープロから書き出された PDF は、スキャンやコピーのコピーより、はるかによく変換されます。著者に元のテキストを頼めるなら、頼んでください。
PDF を保管する
PDF は正確なレイアウトとページ番号を保持しています。ページを引用する必要が生じたときのために、参照用として保管してください。
変換後に良い結果を得るには
まずブラウザーで開く
何かを編集する前に、見え方を確認してください。冒頭、途中の一ページ、末尾を読みます。表と画像を見てください。
残りものを片づける
ページ番号やランニングヘッダーが、テキストに紛れ込むことがあります。テキストエディターで削除してください。繰り返される行を検索すれば、手早く見つかります。
自分のスタイルを加える
変換されたページは素朴です。フォント、テキストの幅、色を設定する短いスタイルシートがあれば、サイトに合うページになります。
画像に代替テキストを加える
画像は説明なしで運ばれます。ページを公開するなら、スクリーンリーダーを使う人が何が写っているかわかるように、各画像に短い代替テキストを加えてください。
変換したページを公開するためのヒント
ページにきちんとしたタイトルをつける
検索エンジンとブラウザーのタブは、ページのタイトルを使います。PDF を HTML に変換したら、ファイルをテキストエディターで開き、文書が何であるかを示すわかりやすいタイトルを設定してください。一分で済み、ページがはるかに見つけやすくなります。
見出しの順序を確認する
見出しは、最も大きいものから小さいものへ、妥当な順序で進むべきです。変換されたページは、深すぎる見出しから始まったり、段階を飛ばしたりすることがあります。順序を直せば読者の助けになり、支援ソフトで見出しをたどって移動する人の助けにもなります。
元のファイルへのリンクを残す
ウェブページの隣に、PDF のダウンロードを用意してください。訪問者の中には、文書をデザインされたとおりに印刷したい人もいて、その人には PDF が正しいファイルです。
スマートフォンで試す
公開する前に、完成したページをスマートフォンで開いてください。ページは流れるので、よく読めるはずですが、幅の広い表がよくある問題で、横にスクロールできるようにしたくなるかもしれません。
プライバシーと取り扱い
文書にローカル変換が重要な理由
報告書、下書き、私的な書類は、見知らぬ人のサーバーに置いておきたいものではありません。多くのオンライン変換ツールは、ファイルをアップロードして処理し、結果を送り返し、しばらくの間、自分が管理していないマシンにコピーが存在します。ここではお使いのブラウザー自身が作業をするので、文書は端末にとどまります。
ページを離れるとどうなるか
ページを閉じると、変換されたファイルはブラウザーから消えるので、先にダウンロードしてください。文書について何も保存されません。
うまくいかないとき
HTML に妙な改行がある
これは PDF が強制改行で組まれていたときに起こります。テキストエディターの検索と置換で、行を結合できます。
大きな文書でページがフリーズする
すべてが端末上で実行され、画像の多い長い文書にはメモリが必要です。パソコンでもう一度試すか、文書を部分ごとに変換してください。
PDF がパスワードで保護されている
保護された文書は、まずパスワードで開かなければなりません。それがなければ、テキストは読み取れません。
関連ツール
同じ系統のツールが、隣接する作業を担います。文書に戻すには、HTML を PDF に変換がページを PDF に印刷します。編集できるテキストには、PDF を DOCX に変換とPDF を ODT に変換が PDF から言葉を読み取り、表には、PDF を XLS に変換が行と列を見つけます。機器で読むにはPDF を EPUB に変換があり、代わりにページの画像がほしいときは、PDF を PNG に変換が答えです。
実例
協会が年次報告書を二十ページの PDF としてしか公開しておらず、それをウェブサイトに載せたいとします。ここに PDF をドロップしてボタンを押します。数秒後、見出し、段落、二つの表、四枚の画像が中に入った一つの HTML ファイルをダウンロードします。ブラウザーで開き、繰り返されるページヘッダーを削除し、サイトのスタイルシートを加えて、アップロードします。PDF は、印刷したい人のためのダウンロードとして、サイトに残ります。
短いチェックリスト
変換する前
PDF がスキャンでないことを確認してください。必要なページを決めてください。PDF を安全に保管してください。
変換している間
ファイルができるまで、ページにとどまってください。
変換したあと
HTML をブラウザーで開き、紛れ込んだページ番号を取り除き、表と画像を確認して、自分のスタイルを加えてください。
よくある間違い
ページのレイアウトを期待する
同じページを期待して PDF を HTML に変換してはいけません。言葉は引き継がれますが、レイアウトは引き継がれません。
確認せずに公開する
オンラインに載せる前に、必ずブラウザーでページを読んでください。混ざった段組みや、紛れ込んだヘッダーがないか探します。
スキャンで試す
スキャンされた PDF が保持しているのはテキストの画像なので、何も出てきません。始める前に、テキストを選択できるか確かめてください。
文書は端末の中にとどまる
変換はローカルで行われます。PDF はお使いのブラウザー自身が読み、その場で書き直して、HTML ファイルとして返します。何もアップロードされないので、サーバーにコピーは残らず、ほかの誰も読めません。私的な内容の文書にとって、それが PDF を HTML に変換する安全な方法です。
まとめ
ここで PDF を HTML に変換するには、文書をドロップしてボタンを押します。PDF はお使いのブラウザー内で読み取られ、HTML として書き出されます。PDF が記録しているのは、それぞれの文字がどこにあるかであり、何を意味するかではないので、見出し、段落、一覧、表は位置と大きさから割り出され、ページの画像ではなく、再び編集できるものが得られます。見出し、段落、太字と斜体、一覧、表、画像は、画像をデータとして中に収めた自己完結した一つのファイルとして保たれます。そのため、ファイルはマークアップだけの場合よりかなり大きくなります。ページのレイアウト、段組み、脚注は落とされ、二段組みのページは交互に混ざって出てきて、スキャンされた PDF からは何も出ません。何も端末の外には出ません。