PDF 转 HTML

把 PDF 变成语义化、自适应的 HTML——标题、列表与段落都在。

PDF 转 HTML 会在你的设备上读取并重写文档。内部手册与客户报告绝不会被上传。

由 Udit Agarwal 开发和维护

把 HTML 转回 PDF

关于 PDF 转 HTML

PDF 并不适合放到网上：它会被下载而不是打开，在手机上不重排，搜索引擎也只是勉强收录。要转换得体面，就得还原版面所暗示的结构，而不是把每一行裹进一个 div。这个工具把文字块归成行、把行归成段落，并把更大的行提升为标题，然后写出能说明每个块是什么的标记。你可以取整页——自适应，并自带明暗两套配色——也可以只取正文片段放进自己的模板，还能在每处分页上加一个可用于深链的标识。

功能特性

  • 语义化标记：h1 到 h6、p、ul、li、blockquote、pre 与 table
  • 折行的句子会接成真正的段落，而不是各占一行
  • 可输出独立整页，或供自有模板使用的正文片段
  • 整页是自适应的，并会跟随读者的明暗设置
  • 可选在每处分页加上标识，便于深链到文档内部
  • 标记旁边配有隔离框架中的渲染预览
  • 可复制到剪贴板，或下载 .html 文件

如何使用 PDF 转 HTML

  1. 把 PDF 拖到页面上
  2. 选择整页还是正文片段
  3. 阅读渲染预览，确认结构无误
  4. 复制标记，或下载 .html 文件

示例

输入

handbook.pdf — 24 pages

输出

<h1>Staff handbook</h1>
<p>This handbook sets out…</p>
<h2>Working hours</h2>

标题层级来自每页正文的相对字号。

常见错误与故障排除

  • 标记是空的。 — 这份 PDF 没有文字层。请先识别文字，再转换可搜索的版本。
  • PDF 里的图片不见了。 — 只有文字会被转换。请另行把页面导出为图片，并在标记里引用它们。
  • 所有标题都是同一层级。 — 文档把每个标题都排成同样大小，没有区分二级与三级的线索。在标记里手动调整一次即可。
  • 页面装饰贯穿了整份文档。 — 书眉与页码在 PDF 里就是普通文字。对生成的标记做一次查找替换即可去掉。

常见问题

转成 HTML 会上传我的 PDF 吗？
不会。文字层在这个标签页里读取，标记也在这里生成，内部手册或客户报告不会离开你的设备。
HTML 会像原来的 PDF 吗？
不会——它是为屏幕阅读而做的，也就是单栏、舒服的行长和自适应的版式。内容相同，设计不同。
放进 CMS 该用哪种输出？
正文片段。它没有头部、样式和外层容器，能直接嵌进现有模板而不打架。
生成的页面无障碍吗？
它用的是真正的标题、列表与表头单元格，这已是屏幕阅读器所需的大部分。请检查标题次序。
能把多个 PDF 转成一个页面吗？
先合并 PDF，再一次性转换——这样整份文档的标题层级才一致。

相关工具

  • HTML 转 PDF — 把 HTML 标记变成干净、分页的 PDF 文档。
  • PDF 转文本 — 将 PDF 中可选取的文本提取为纯文本或 Markdown。
  • PDF 转 Word — 把 PDF 重建为可编辑的 .docx 文档。
  • PDF 转 EPUB — 把 PDF 变成可在阅读器上重排的 EPUB。
  • HTML 格式化工具 — 美化或压缩 HTML，格式化内联 CSS/JS 并预览结果。
  • HTML 转 Markdown — 将 HTML 转换为整洁的 Markdown，支持 GFM 表格。
  • PDF OCR — 识别扫描 PDF 中的文字，让它可被检索。

更多PDF工具

  • PDF 转 EPUB — 把 PDF 变成可在阅读器上重排的 EPUB。
  • PDF 转 ZIP — 把每一页导出为压缩包里各自的文件。
  • PDF 页眉页脚 — 在每一页盖上连续的页眉与页脚。
  • PDF 涂黑 — 把文字与区域涂黑，并从文件中移除。
  • PDF 反色 — 生成深色、棕褐色或灰度的副本。
  • 修复 PDF — 诊断损坏的 PDF，并重建还能救回的部分。
  • 编辑 PDF 文字 — 遮住页面上的错处，并在上面写下更正。
  • 朗读 PDF — 一段一段地收听 PDF 的朗读。
  • PDF 摘要 — 在本机逐节为长 PDF 生成摘要。
  • 扫描成 PDF — 把摄像头当扫描仪，把页面存成 PDF。
  • PDF OCR — 识别扫描 PDF 中的文字，让它可被检索。
  • PDF 签名 — 手写签名并放到 PDF 页面上，还可加上姓名与日期。

查看全部PDF工具 (85) · 全部工具