PDF 转 HTML Portable Document Format ↔ HyperText Markup Language 免费 在线 安全
你的 PDF 在你的浏览器里就地读取，写成 HTML。PDF 只记下每个字母摆在哪里，不记它是什么意思，所以标题、段落、列表和表格要从位置和字号里推出来——你拿到的是可以接着改的东西，不是一张页面的照片。
转换你的文件
把 PDF 拖到这里，或者选一个。
你的文件不会离开这台设备。一切都在你的浏览器里完成。
不上传任何文件
这些格式从哪里来
EPUB 往底下看，其实是一个被压缩的网站：若干 HTML 页面，配上一份样式表和一份目录。这就是电子书里的文字能重新排布的缘故——读的人挑定字号，词句便自行重排，和浏览器窗口里一模一样。MOBI 来自 Mobipocket，一家2005年被亚马逊买下的法国公司；它成了第一种 Kindle 格式，2022年被亚马逊让位于 EPUB 而退休。与 PDF 的对照，就是这一族的全部故事：PDF 装的是固定的页面，排一次便再不挪动；而电子书装的是文字，在有人打开它之前，它根本没有页。
你会在哪里遇到它们
EPUB 是除 Kindle 之外每一台阅读器所期待的格式，是公共图书馆出借的格式，也是大多数出版社制作的格式。MOBI 用于旧款 Kindle，以及在那次变动之前买下的藏书。把 PDF 转成其中之一，是把一份报告、一本手册或一册绝版书的扫描件搬上阅读设备的常走之路——在那里，文字可以放大。
常见问题
我的 PDF 转成 EPUB 之后为什么乱糟糟的？
因为两者的运作方向恰好相反。PDF 知道每一个词坐落在固定页面的哪个位置；而 EPUB 必须被告知什么是标题、什么是段落、一切按什么顺序来——这些在 PDF 里一概没有记录。转换程序只能从位置和字号去推断，对单栏纯文字应付得相当好。双栏、脚注、每页重复的页眉、带题注的表格与插图，正是猜测暴露出来的地方，通常需要动手整理。
现在还该用 MOBI 吗？
只为那种别的什么都读不了的旧设备。亚马逊自2022年起不再接受以 MOBI 向 Kindle 发送文档，如今要的是 EPUB，而新款 Kindle 可以直接处理它。若是今天来选，就选 EPUB：这是图书馆出借的、出版社制作的，也是除最老的几款之外每台阅读器都认得的格式。
文件会损失质量吗？
要看两种格式各自装得下什么。在存放同样内容的格式之间转换——PNG 转 BMP，WAV 转 FLAC——不会损失任何东西。转成为省空间而丢弃信息的格式，比如 JPEG 或 MP3，每转一次就损失一点，再转回去也拿不回来。凡是有选择余地的地方，本页倾向于保住原来的质量，而不是做出最小的文件。
我的文件会被上传到什么地方吗？
不会。转换发生在你自己的机器上、你的浏览器里面；文件从不离开它，这里也没有任何服务器能够接收它。正因如此，限制一个大文件的是你自己的内存而不是上传；也正因如此，你转换的任何东西都不可能出现在任何人的日志里——包括我们的。不过，音频和视频工具会在你第一次使用时从本站取来它们的转换引擎——约三十兆字节，仅此一次；此后工作依然完全在你自己的机器上进行。
人们为什么把 PDF 转换成 HTML
PDF 是为在纸页上打印和阅读而制作的。网页是为在屏幕上、以任何尺寸、供任何人阅读而制作的,包括使用屏幕阅读器的人、搜索引擎和手机。当一份只以 PDF 形式存在的文档需要放到网站上、需要在小屏幕上舒适阅读,或者需要在网页项目中重复使用时,自然的做法就是把 PDF 转换成 HTML。您想要的是这份文档的文字、标题和图片,用网络的语言来表达。
困难在于,PDF 并不记录文档的含义。它记录的是每个字母在页面上的位置:这个字符在这里,那一行在那里,这张图片在角落。其中没有存储标题、段落或列表的概念。转换必须读取位置和大小,并判断什么是标题、什么是段落、什么是列表项、什么是表格。本页在您的浏览器中做这件事,并交还给您一个可以打开、编辑和发布的网页,而不是一张页面的图片。
您的 PDF 不会被上传到服务器。这对报告、草稿和论文很重要,您更愿意在自己选择发布之前把它们留给自己。下面您会看到转换如何进行、哪些内容会带过去、哪些不会,以及如何充分利用结果。
转换如何进行
结构由页面推断出来
您的 PDF 在浏览器中被读取。对每一页,转换器收集文字及其位置和大小,然后判断各是什么。比其余部分排得更大的一行很可能是标题。以普通间隔前后相接的行构成一个段落。以项目符号或数字开头的行构成列表。排成对齐单元格的文字构成表格。结果被写成 HTML,其中的标题、段落、列表和表格都是真正的元素。
一个自包含的文件
结果是一个自包含的文件。图片以数据的形式装在其中,所以它可以被移到任何地方而仍然完整。您得到的不是一个页面加上一个必须放在一起的图片文件夹;您得到的是一个可以在浏览器中打开、附在消息里或上传到网站的文件。
为什么这很有用
单个文件处理起来很简单。您可以双击它查看结果,把它发给同事而不必担心图片会丢失,并把它作为文档的存档,以开放、可读的格式保存。
保留什么
标题、段落、粗体和斜体
标题、段落、粗体和斜体都被带过去。文字按与页面上相同的顺序阅读,强调在能够被识别的地方得以保留。
列表和表格
列表仍以列表形式出现,表格仍以带行和列的表格形式出现,所以文档的结构不会在通往网络的路上丢失。
图片
图片被带过去并嵌入文件,所以无论在哪里打开,它都会显示它们。
没有带过去什么
文件变大了
把图片装在里面,使文件比仅有标记时大得多。这就是它是一个文件而不是一个文件夹的代价。如果您打算把这个页面发布到网站上,您也许更愿意把图片提取出来单独压缩。
版式、分栏和脚注
页面版式、分栏和脚注被舍弃。网页会流动到屏幕的宽度,所以 PDF 的固定页面没有对应物。排成两栏的页面,栏会交错出现,因为各行是按它们在页面上的位置横向读取的。如果您的文档有分栏,请预期会看到它们混在一起。
扫描的 PDF 什么也得不到
扫描的 PDF 什么也得不到,因为它装的是文字的图片,而不是文字。识别图像中的字母是另一项工作,称为光学字符识别,而这种转换不做这件事。
如何在这里把 PDF 转换成 HTML
添加您的 PDF
把 PDF 拖到页面上,或从您的设备中选取。它在您的浏览器内部被打开,不会被上传。
转换
按下按钮。短文档需要几秒钟,带有许多图片的长文档需要更久。请在完成之前保持页面打开。
下载并打开
下载 HTML 文件并在浏览器中打开它。从头看一遍,检查标题和表格,如果愿意,可以用任何文本编辑器或网页编辑器来编辑它。
仔细看看 PDF 和 HTML
固定与流动
PDF 是固定的:每个字母的位置都是文件的一部分。HTML 是流动的:它说明内容是什么,由浏览器决定如何为眼前的屏幕排版。这两种想法几乎截然相反,这就是为什么转换必须重新发现 PDF 从未记录的结构。HTML 转 PDF走的是相反的方向,把一个页面冻结成文档。
为什么 HTML 是装文字的好容器
HTML 是带有简单标记的纯文本,任何设备上的任何浏览器都能读取,搜索引擎和屏幕阅读器都能理解,而且易于编辑。以 HTML 存储的文档,无论有没有专门的软件,几十年后都还能读。这是即使您不打算发布也值得把 PDF 转换成 HTML 的好理由。
什么样的 PDF 转换得好
带有普通段落的朴素文字文档转换得干净:文章、报告、随笔。设计有侧栏、文本框和多栏的文档转换得很差。当您把 PDF 转换成 HTML 时,请预期最好的结果来自写出来的文档,而不是排出来的文档。
常见情形详解
在网站上发布文档
只以 PDF 形式存在的报告或论文,可以变成在手机上可读、能被搜索引擎收录、可以按章节链接的网页。把 PDF 转换成 HTML,然后整理页面并放进您的网站。
在小屏幕上阅读
网页会适应屏幕。在手机上,一份长文档的 HTML 版本,比必须缩放和拖动的 PDF 容易读得多。
在网页项目中重复使用文字
收到 PDF 形式内容的设计师或开发人员,可以把文字作为 HTML 提取出来,在页面、新闻简报或帮助中心中重复使用,而不必重新键入。
以开放格式存档
HTML 文件是文档的一种持久而开放的形式。一些档案工作者在 PDF 旁边保留一份 HTML 副本,这样无论阅读软件发生什么,文字都仍然可用。
把 PDF 转换成 HTML 之前的实用建议
测试文字能否被选中
在任何查看器中打开 PDF,并尝试用鼠标选中一句话。如果文字高亮显示,说明文件里装的是真正的文字,您可以满怀希望地把 PDF 转换成 HTML。如果您只能在页面上拖出一个矩形,那它是图片,这种转换在其中找不到任何文字。
留意文件大小
因为图片装在文件里,带有许多图像的 PDF 会得到很大的 HTML。发布之前,请考虑用压缩 PDF缩小 PDF,让图片一开始就更轻。
提取您需要的部分
如果您只想要一份长文档的一部分,请先使用从 PDF 中提取页面。较短的文档转换更快,也更容易检查。
打算整理结果
页面是朴素的,样式由您自己添加。当您为网站把 PDF 转换成 HTML 时,请预期要链接样式表并调整标题,使它们与您的设计相配。
转换之前人们常问的问题
为什么文件这么大?
因为图片以数据的形式装在其中。这使它成为一个文件,很方便,但比单独的文字要大。
为什么我的分栏混在一起了?
因为各行是按它们在页面上的位置横向读取的。排成两栏的页面会交错出现。
它看起来会像 PDF 吗?
不会。文字、标题、列表、表格和图片会带过来,但页面版式不会。网页会流动到屏幕上。
为什么什么也没出来?
几乎可以肯定这份 PDF 是扫描件。扫描件装的是文字的图片,而不是文字。
我的 PDF 会被上传吗?
不会。转换在您的浏览器中运行,文档永远不会离开您的设备。
我可以把 HTML 再变回 PDF 吗?
可以。HTML 转 PDF就能做到,它使用您浏览器的打印对话框。
把 PDF 转换成 HTML 时的明智选择
决定您想要什么
如果您想要可编辑的文档,PDF 转 DOCX也许更适合您。如果您想要电子书,有 PDF 转 EPUB。当目的地是网络时,HTML 才是正确的选择。
从您手头最干净的来源开始
从文字处理器导出的 PDF,转换效果远好于扫描件或副本的副本。如果您能向作者索要原始文字,请这样做。
保留 PDF
PDF 保存着精确的版式和页码。请保留它作为您的参考,以防需要引用某一页。
转换之后如何得到好结果
先在浏览器中打开它
在编辑任何东西之前,先检查它看起来怎么样。读一读开头、中间的一页和结尾。看一看表格和图片。
清理遗留物
页码和页眉有时会混进文字。请在文本编辑器中删除它们。搜索重复出现的行可以快速找到它们。
添加您自己的样式
转换后的页面是朴素的。一张设置字体、文字宽度和颜色的简短样式表,会把它变成适合您网站的页面。
为图片添加替代文字
图片是不带描述过来的。如果页面将公开,请为每张图片添加简短的替代文字,让使用屏幕阅读器的人知道它显示的是什么。
发布转换后页面的提示
给页面一个恰当的标题
搜索引擎和浏览器标签页使用页面的标题。把 PDF 转换成 HTML 之后,请用文本编辑器打开文件,设置一个说明这份文档是什么的清晰标题。这只花一分钟,却让页面容易被找到得多。
检查标题的顺序
标题应当按合理的顺序从最大的到较小的。转换后的页面有时从太深的标题开始,或者跳过一级。纠正顺序对读者有帮助,对使用辅助软件按标题浏览的人也有帮助。
保留指向原件的链接
在网页旁边提供 PDF 下载。有些访客想按原来的设计把文档原样打印出来,对他们来说 PDF 才是正确的文件。
在手机上测试
在发布之前,先在手机上打开完成的页面。因为页面是流动的,它应该读起来不错,但宽表格是常见的麻烦,您也许想让它们可以横向滚动。
隐私与处理
为什么本地转换对文档很重要
报告、草稿和私人文件,不是您想让它们待在陌生人服务器上的东西。许多在线转换器上传您的文件,处理后再把结果发回来,而在一段时间里,一份副本就存在于您无法控制的机器上。在这里,是您自己的浏览器在做这项工作,所以文档留在您的设备上。
您离开时会怎样
当您关闭页面时,转换后的文件会从浏览器中消失,所以请先下载它。关于您文档的任何东西都不会被保留。
如果出了问题
HTML 里有奇怪的换行
当 PDF 是用硬换行排版的时候,就会发生这种情况。在文本编辑器中查找并替换可以把各行连起来。
处理大文档时页面卡住
一切都在您的设备上运行,带有许多图片的长文档需要内存。请在电脑上再试一次,或分部分转换文档。
PDF 有密码保护
受保护的文档必须先用它的密码打开。没有密码,文字无法读取。
相关工具
同一系列的工具涵盖了相邻的工作。要回到文档,HTML 转 PDF把页面打印成 PDF。对于可编辑的文字,PDF 转 DOCX和 PDF 转 ODT从 PDF 中读取文字,对于表格,PDF 转 XLS找出行和列。要在设备上阅读,有 PDF 转 EPUB,而当您想要的是页面的图片时,PDF 转 PNG就是答案。
一个演算示例
假设您的协会只以二十页的 PDF 发布了年度报告,而您想把它放到自己的网站上。您把 PDF 拖到这里并按下按钮。几秒钟后,您下载了一个 HTML 文件,里面有标题、段落、两张表格和四张图片。您在浏览器中打开它,删除重复的页眉,添加您网站的样式表,然后上传。PDF 仍留在网站上,供想要打印它的人下载。
一份简短的清单
转换之前
检查 PDF 不是扫描件。决定您需要哪些页面。把 PDF 妥善保管。
转换期间
在文件准备好之前,请停留在页面上。
转换之后
在浏览器中打开 HTML,删除零星的页码,检查表格和图片,并添加您自己的样式。
常见错误
期待页面版式
不要抱着得到相同页面的希望把 PDF 转换成 HTML。文字会带过来,版式不会。
不检查就发布
在把页面放到网上之前,务必在浏览器中读一遍。留意混在一起的分栏和零星的页眉。
在扫描件上尝试
扫描的 PDF 装的是文字的图片,所以什么也出不来。开始之前,请检查您能否选中文字。
您的文档留在您的设备上
转换在本地进行。您的 PDF 由您自己的浏览器读取,在那里重写,并以 HTML 文件交还给您。没有任何东西被上传,所以服务器上不会留下副本,也没有别人能读到它。对于含有私密内容的文档,这是把 PDF 转换成 HTML 的安全方式。
总结
要在这里把 PDF 转换成 HTML,拖入文档并按下按钮。您的 PDF 在浏览器中被读取并写成 HTML。PDF 记录的是每个字母在哪里,而不是它意味着什么,所以标题、段落、列表和表格是根据位置和大小推断出来的,您得到的是可以再次编辑的东西,而不是一张页面的图片。标题、段落、粗体和斜体、列表、表格和图片被保留在一个自包含的文件中,图片以数据的形式装在里面。这使文件比仅有标记时大得多。页面版式、分栏和脚注被舍弃,两栏的页面交错出现,扫描的 PDF 什么也得不到。没有任何东西离开您的设备。