tigtools

PDF do HTML

Vyberte PDF a jeho text převeďte na HTML, které můžete vložit na web nebo upravit. Soubor se načítá pomocí pdf.js ve vašem zařízení.

Běží ve vašem prohlížeči Bez registrace

nebo jej přetáhněte sem. Soubor zůstane ve vašem zařízení.

Jak používat

  1. Vyberte nebo přetáhněte soubor PDF.
  2. Vyberte Odstavce a nadpisy nebo Polohové rozvržení.
  3. Zvolte Převést do HTML a počkejte, než se načtou všechny stránky.
  4. Zkontrolujte náhled, poté zkopírujte kód nebo stáhněte soubor .html.

Jak to funguje

Nástroj čte textovou vrstvu každé stránky pomocí pdf.js: každý kus textu včetně jeho pozice a velikosti písma. V režimu Odstavce a nadpisy se části na stejném účaří spojují do řádků a řádky se seskupují do odstavců podle svislých rozestupů a odsazení. Řádky s výrazně větším písmem než běžný text se stávají nadpisy (h1–h3), řádky začínající odrážkou nebo číslem, např. 1., se stávají položkami seznamu a slova s pomlčkou na konci řádku se spojí, pokud další řádek začíná malým písmenem. Komentář HTML označuje začátek každé stránky.

V režimu Umístění podle souřadnic se každý kus textu stane prvkem span umístěným na svých souřadnicích na ploše o velikosti stránky s použitím obecného patkového, bezpatkového nebo neproporcionálního písma. Podobá se PDF, ale není vhodné pro úpravy.

Převádí se pouze text. Obrázky, kresby, ohraničení tabulek, barvy, písma, tučné písmo, kurzíva a odkazy se nepřenášejí; tabulky se zobrazí jako řádky textu. Vícesloupcové stránky se čtou v pořadí, v jakém je text uložen, což obvykle, ale ne vždy, odpovídá pořadí čtení. Skenované soubory PDF nemají textovou vrstvu a nejprve vyžadují OCR. Veškerý text je escapován pro HTML.

Příklady

Zveřejnění brožury online

Dvoustránková produktová brožura se převede na nadpisy h2, odstavce a seznamy s odrážkami, které lze vložit do CMS a které se přizpůsobí obrazovkám telefonů.

Kontrola textové vrstvy

Poziční rozvržení ukazuje přesně, kde se na stránce nachází jednotlivé textové fragmenty formuláře, což je užitečné při ladění generování PDF.

Časté dotazy

Převádějí se obrázky a tabulky?

Ne. Čte se pouze textová vrstva. Obrázky a grafika se přeskakují a buňky tabulek se zobrazí jako textové řádky, protože PDF neukládá, který text patří do které buňky.

Proč je nadpis rozpoznán jako odstavec (nebo naopak)?

Nadpisy se rozpoznávají pouze podle větší velikosti, než je nejběžnější velikost textu. Tučný text běžné velikosti zůstává odstavcem a velký dekorativní text může být rozpoznán jako nadpis.

Proč je pořadí odstavců špatné?

Nástroj se řídí pořadím, ve kterém je text uložen v PDF. Některé programy ukládají sloupce, postranní panely nebo popisky v jiném pořadí, než v jakém se zobrazují.

Můj PDF neobsahuje žádný text. Co mohu udělat?

S největší pravděpodobností jde o naskenovaný dokument. Nejprve rozpoznejte text pomocí OCR, například pomocí nástroje Obrázek na text (OCR) na obrázcích stránek.

Soukromí

PDF se čte ve vašem prohlížeči pomocí pdf.js. Soubor a HTML se nenahrávají, neukládají ani nejsou součástí analýz; počítá se pouze anonymní událost, že byl nástroj použit.