为什么要把PDF转成HTML?
PDF是数字形式的印刷页面。它非常适合保持版式,但放在网上却不太方便:访问者必须下载文件,在手机上还要放大才能看清,搜索引擎也会把它当作一份单独的文档。HTML是网页的语言,因此HTML格式的文字在任何尺寸的屏幕上都能自然阅读,也可以用任何文本编辑器编辑。
典型用途:
- 在网站上发布文档。把报告、新闻稿、菜单或规章制度放到普通网页上,而不是提供PDF下载。
- 把内容搬到博客或CMS。把转换好的标题和段落粘贴到WordPress或其他编辑器中,不必重新打字。
- 在电子邮件简报中重用文字。从整洁的HTML开始,而不是从PDF中一行一行地复制文字。
- 在小屏幕上阅读。在手机上,自适应排版的HTML页面比固定的A4页面好读得多。
哪些内容会保留
| PDF中的内容 | HTML文件中的效果 |
|---|---|
| 段落和标题 | 保留为段落和h1 / h2标题 |
| 粗体和斜体 | 保留 |
| 简单表格 | 保留为HTML表格 |
| 图片(照片、插图) | 保留并嵌入文件中(可关闭) |
| 页码、分页 | 在“连续文本”中去掉;在“保留PDF页面”中按页标记 |
| 字体、颜色、分栏、精确位置 | 不保留,页面使用一种简洁易读的样式 |
让HTML更整洁的小贴士
- 使用原始文件。从Word、Google文档或设计软件导出的PDF,转换效果比扫描件或拍下来的页面好得多。
- 只需要文字时不要图片。取消勾选“包含图片”,得到的文件很小,编辑和粘贴都更方便。
- 发布前检查标题。较大的粗体行会被转换成标题。如果某一行判断错了,用文本编辑器修改它的标签即可。
需要其他格式?PDF转Word可生成可编辑的文档,PDF转EPUB可做成适合手机和电子书阅读器的电子书,PDF转文字则只提取纯文本。
遇到问题时
HTML文件几乎是空的。这个PDF可能是扫描件,页面都是没有文字的图片。请先用PDF文字识别(OCR)把它变成可搜索的文件。
字词连在一起或被奇怪地拆开。有些PDF把每个字符单独存储,或者使用了特殊字体。文字会尽可能放在正确的位置;个别有问题的词,可以用文本编辑器打开文件修正。
文件非常大。图片嵌入在HTML中。请取消“包含图片”后重新转换,或者先用压缩PDF把PDF变小。
PDF要求输入密码。请用您知道的密码,在解密PDF中打开它,再转换解锁后的副本。