PDF转HTML转换器
PDF是一叠固定版式的页面，而网页会自动适应打开它的任何屏幕。上传PDF，即可得到带有真正标题、段落和表格的HTML，可直接发布、粘贴到CMS，或在手机上舒适阅读。
文档转换器
或将PDF, DOC, DOCX … 文件拖放到此处 ·
单个文件最大 95 MB· 最多 20 个文件· 30 分钟后删除
文件在我们的服务器上处理，并在 30 分钟后删除。
150 DPI 会把一页 A4 转为约 1240 × 1754 px。需要打印时请用 300。
转换整个文件，或只转换部分页面或幻灯片（适用于 PDF 和演示文稿输入）。
要转换的页面或幻灯片，例如 1-3, 5, 8-10。
UTF-8 适用于所有语言。如果 Windows 上的 Excel 或记事本显示乱码，请选择带 BOM 的 UTF-8；旧编码仅用于老软件。
LF 适用于 macOS、Linux 和代码编辑器；CRLF 适用于较旧的 Windows 程序，如经典记事本。
逗号是标准分隔符。在以逗号作小数点的国家（德国、法国、巴西）使用 Excel 时，请用分号。
包含多个工作表的 Excel 输入：全部转换（每个工作表一个部分或文件），或只转换第一个。
使用方法
- 1
上传PDF
添加报告、讲义或宣传册，一次最多可上传 20 个 PDF，每个不超过 95 MB。
- 2
选择保留多少样式
想得到独立页面，就把格式设为保留全部字体和颜色。如果 HTML 要放进 WordPress 或其他会套用自身样式的编辑器，请切换为简单。
- 3
转换为HTML
点击转换为 HTML。在浏览器中打开结果检查一下，然后发布，或把代码复制到需要的地方。
上传 PDF，保持目标格式为 HTML，点击转换为 HTML：转换器会把文字重建为标题、段落和表格，可在任何屏幕上自适应显示。
为什么要把PDF转成HTML，而不是直接发布PDF
Adobe 在 1993 年设计 PDF，是为了让文档在哪里打印都一样，它也确实做得很好。代价是 PDF 对屏幕一无所知：文字位于页面上的固定坐标，常常分成两栏，手机只能放大查看。HTML 则相反，它描述的是结构，比如这是标题、这是列表，再由浏览器按可用宽度来排版。
所以高校会把讲义作为网页放进学习平台，政府部门会把 PDF 政策重新发布为网页文字，市场人员会把白皮书做成落地页。他们都需要文字保持准确，而版式随之改变。如果您需要的是可编辑的文档而不是网页，PDF 转 Word 是更合适的选择，PDF 转 Word 的方法一文介绍了这条路线。
PDF转HTML会保留哪些内容
| from ↓ · to → | HTML | DOCX | TXT |
|---|---|---|---|
| 段落文字 | 段落文字 to HTML: yes | 段落文字 to DOCX: yes | 段落文字 to TXT: yes |
| Headings | Headings to HTML: yes | Headings to DOCX: yes | – Headings to TXT: no |
| Tables | Tables to HTML: yes | Tables to DOCX: yes | – Tables to TXT: no |
| Images | Images to HTML: yes | Images to DOCX: yes | – Images to TXT: no |
| Links | Links to HTML: yes | Links to DOCX: yes | – Links to TXT: no |
| 扫描页 | 扫描页 to HTML: yes | 扫描页 to DOCX: yes | 扫描页 to TXT: yes |
PDF页面如何重建为HTML
读取页面
读取每段文字的位置、字体和字号，并把图片从页面中提取出来。
识别结构
把各行合并成段落，较大的字号变成标题，对齐的单元格变成表格。
写出标记
按阅读顺序，把内容写成 h1 到 h6、p、ul 和 table 元素。
检查多栏页面的阅读顺序
未加标签的 PDF 不会记录先读哪一栏，所以顺序只能根据位置推断。带侧栏、引文框或文字环绕图片的简报，发布前最好先在浏览器里通读一遍。
PDF与HTML格式说明
便携式文档格式（PDF）
PDF 由 Adobe 于 1993 年创建，并在 2008 年成为开放的 ISO 32000 标准。它固定了文字、字体、图片和版式，使文档在每块屏幕和每台打印机上看起来都一样。PDF 可以包含表单、签名、链接、附件和可搜索文本，其中 PDF/A 变体用于长期归档。固定的版式使 PDF 难以编辑，而扫描版 PDF 除非经过 OCR，否则只包含图片。所有浏览器和操作系统都能打开。
- 压缩方式
- –
- 透明度
- 支持
- 动画
- 不支持
- 发布年份
- 1993 · Adobe
HTML
超文本标记语言
HTML 是网页的标记语言，由 Tim Berners-Lee 在 20 世纪 90 年代初提出，现由 WHATWG 作为活标准维护。HTML 文件描述标题、段落、链接、表格、图片和表单，样式通常由 CSS 提供。所有浏览器都能渲染它，它也用于邮件模板和保存的网页。单个 HTML 文件往往依赖外部图片和样式表，单独移动后可能显示异常。
- 压缩方式
- –
- 透明度
- –
- 动画
- –
- 发布年份
- 1993 · Tim Berners-Lee; maintained by WHATWG
当为印刷而写的文档需要放到网上时，就需要把 PDF 转成 HTML：比如必须能在手机上阅读的制度文件、要搬进学习平台的课程讲义，或是希望像普通网页一样被收录和链接的报告。
PDF转HTML常见问题
为什么不直接在网站上放PDF链接？
PDF 以固定的页面宽度打开，所以在手机上读者需要双指缩放、左右滑动，很多访问者干脆不会下载。英国政府数字服务部门（GDS）自 2018 年起就主张，公共信息应以 HTML 形式发布，原因正在于此。HTML 版本可以自适应排版，支持读屏软件，也能像普通网页一样被搜索。
HTML会和PDF页面一模一样吗？
结果会是内容相同的网页，而不是页面的图片。标题、列表、表格和图片会按顺序保留，但分页、页眉页脚和精确的分栏位置会被舍弃，因为 HTML 没有“页”的概念。如果需要与原件一模一样的效果，请保留 PDF。
哪种设置能为CMS生成最干净的代码？
把格式设为简单。它会保留标题、列表、粗体文字和表格，但不保留字体和颜色样式，文字的外观由您网站的主题决定。纯文本则会把标记精简到只剩段落。
能只转换长PDF中的某一章吗？
可以。在高级设置下，把页面设为页码范围，并输入类似 12-30 的内容。只有这些页面会被转成 HTML，文件更短，也更便于编辑。
有密码保护的PDF怎么处理？
打开时需要密码的 PDF 必须先解除密码。如果您知道密码，可以用PDF 解密去掉密码，然后在这里转换解密后的副本。
