Зачем конвертировать PDF в HTML?
PDF — это напечатанная страница в цифровом виде. Он отлично сохраняет макет, но в интернете неудобен: посетителям приходится его скачивать, на телефоне — увеличивать масштаб, а поисковики считают его отдельным документом. HTML — язык веб-страниц, поэтому текст в HTML естественно читается на экране любого размера и редактируется в любом текстовом редакторе.
Типичные причины:
- Публикация документа на сайте. Разместите отчёт, пресс-релиз, меню или правила на обычной веб-странице, а не в виде PDF для скачивания.
- Перенос контента в блог или CMS. Вставьте сконвертированные заголовки и абзацы в WordPress или другой редактор, вместо того чтобы набирать их заново.
- Повторное использование текста в email-рассылке. Начните с чистого HTML, а не копируйте текст из PDF строку за строкой.
- Чтение на маленьких экранах. Подстраиваемую HTML-страницу легче читать на телефоне, чем фиксированную страницу A4.
Что переносится
| В PDF | В HTML-файле |
|---|---|
| Абзацы и заголовки | Сохраняются как абзацы и заголовки h1 / h2 |
| Полужирный и курсивный текст | Сохраняется |
| Простые таблицы | Сохраняются как HTML-таблицы |
| Изображения (фото, рисунки) | Сохраняются и встраиваются в файл (можно отключить) |
| Номера страниц, разрывы страниц | Удаляются в режиме «Сплошной текст»; отмечаются для каждой страницы в режиме «Сохранить страницы PDF» |
| Шрифты, цвета, колонки, точное расположение | Не сохраняются — страница оформлена в одном чистом, удобном для чтения стиле |
Как получить более аккуратный результат
- Используйте исходный файл. PDF, экспортированный из Word, Google Docs или графического редактора, конвертируется гораздо лучше, чем скан или фотография страницы.
- Отключите изображения, если нужен только текст. Если снять флажок «Добавить изображения», файл получится маленьким, и его будет легко редактировать и вставлять.
- Проверьте заголовки перед публикацией. Крупные строки, набранные полужирным, превращаются в заголовки. Если какая-то строка распознана неверно, поменяйте тег в текстовом редакторе.
Нужен другой формат? PDF в Word даёт редактируемый документ, PDF в EPUB создаёт электронную книгу для телефона и ридера, а PDF в текст выдаёт только простой текст.
Если что-то пошло не так
HTML-файл почти пустой. Скорее всего, PDF отсканирован, и его страницы — это изображения без текста. Сначала сделайте его доступным для поиска с помощью инструмента «Распознать текст в PDF (OCR)».
Слова странно слиплись или разорваны. Некоторые PDF хранят каждую букву отдельно или используют необычные шрифты. Текст расставляется настолько точно, насколько возможно; чтобы исправить отдельные слова, откройте файл в текстовом редакторе.
Файл очень большой. Изображения встроены в HTML. Конвертируйте PDF ещё раз без изображений или сначала уменьшите его инструментом «Сжать PDF».
PDF запрашивает пароль. Откройте его с помощью инструмента «Снять пароль с PDF», используя известный вам пароль, а затем конвертируйте разблокированную копию.