tigtools

PDF zu HTML

Wählen Sie eine PDF-Datei, um deren Text als HTML neu aufzubauen, das Sie in eine Website einfügen oder bearbeiten können. Die Datei wird mit pdf.js auf Ihrem Gerät gelesen.

Läuft in Ihrem Browser Keine Anmeldung erforderlich

oder hier ablegen. Die Datei bleibt auf Ihrem Gerät.

Anleitung

  1. Wählen Sie eine PDF-Datei aus oder ziehen Sie sie hierher.
  2. Wählen Sie „Absätze und Überschriften“ oder „Positioniertes Layout“.
  3. Wählen Sie „In HTML umwandeln“ und warten Sie, bis alle Seiten eingelesen wurden.
  4. Prüfen Sie die Vorschau und kopieren Sie dann den Code oder laden Sie die .html-Datei herunter.

So funktioniert es

Das Tool liest die Textebene jeder Seite mit pdf.js: jedes Textstück mit seiner Position und Schriftgröße. Im Modus „Absätze und Überschriften“ werden Stücke auf derselben Grundlinie zu Zeilen verbunden, und Zeilen werden anhand ihrer vertikalen Abstände und Einzüge zu Absätzen gruppiert. Zeilen in deutlich größerer Schrift als der Fließtext werden zu Überschriften (h1–h3), Zeilen, die mit einem Aufzählungszeichen oder einer Nummer wie 1. beginnen, werden zu Listenelementen, und Wörter, die am Zeilenende getrennt sind, werden zusammengefügt, wenn die nächste Zeile mit einem Kleinbuchstaben beginnt. Ein HTML-Kommentar markiert, wo jede Seite beginnt.\n\nIm Modus „Positioniertes Layout“ wird jedes Textstück zu einem Span, das an seinen Koordinaten auf einem Feld in Seitengröße platziert wird, wobei eine generische Serifen-, serifenlose oder Monospace-Schriftart verwendet wird. Es ähnelt der PDF, eignet sich aber nicht zum Bearbeiten.\n\nEs wird nur Text konvertiert. Bilder, Zeichnungen, Tabellenrahmen, Farben, Schriftarten, Fett- und Kursivschrift sowie Links werden nicht übernommen; Tabellen werden als Textzeilen ausgegeben. Mehrspaltige Seiten werden in der Reihenfolge gelesen, in der der Text gespeichert ist, was normalerweise, aber nicht immer der Lesereihenfolge entspricht. Gescannte PDFs haben keine Textebene und müssen zuerst per OCR verarbeitet werden. Der gesamte Text wird HTML-maskiert.

Beispiele

Eine Broschüre online stellen

Eine zweiseitige Produktbroschüre wird zu h2-Überschriften, Absätzen und Aufzählungslisten, die sich in ein CMS einfügen lassen und an Handybildschirme anpassen.

Textebene prüfen

Das positionierte Layout zeigt genau, wo jedes Textfragment eines Formulars auf der Seite sitzt – nützlich beim Debuggen der PDF-Erzeugung.

Häufig gestellte Fragen

Werden Bilder und Tabellen konvertiert?

Nein. Es wird nur die Textebene gelesen. Bilder und Grafiken werden übersprungen, und Tabellenzellen werden als Textzeilen ausgegeben, da eine PDF nicht aufzeichnet, welcher Text zu welcher Zelle gehört.

Warum wird eine Überschrift als Absatz erkannt (oder umgekehrt)?

Überschriften werden nur daran erkannt, dass sie größer als die häufigste Textgröße sind. Fetter Text in normaler Größe bleibt ein Absatz, und großer dekorativer Text kann zu einer Überschrift werden.

Warum ist die Reihenfolge der Absätze falsch?

Das Tool folgt der Reihenfolge, in der Text in der PDF gespeichert ist. Einige Programme speichern Spalten, Seitenleisten oder Bildunterschriften in einer anderen Reihenfolge, als sie erscheinen.

Mein PDF liefert keinen Text. Was kann ich tun?

Es handelt sich höchstwahrscheinlich um ein gescanntes Dokument. Erfassen Sie den Text zuerst per OCR, zum Beispiel mit „Bild zu Text (OCR)“ auf den Seitenbildern.

Datenschutz

Die PDF-Datei wird mit pdf.js in Ihrem Browser gelesen. Die Datei und der HTML-Code werden nicht hochgeladen, gespeichert oder in Analysen einbezogen; es wird nur anonym gezählt, dass das Tool verwendet wurde.