Come si usa
- Scegli o trascina un file PDF.
- Scegli tra Paragrafi e intestazioni o Layout posizionato.
- Seleziona Converti in HTML e attendi che tutte le pagine vengano lette.
- Controlla l'anteprima, poi copia il codice o scarica il file .html.
Come funziona
Lo strumento legge il livello di testo di ogni pagina con pdf.js: ogni porzione di testo con la sua posizione e dimensione del carattere. In modalità Paragrafi e intestazioni, le porzioni sulla stessa linea di base vengono unite in righe e le righe vengono raggruppate in paragrafi in base alla spaziatura verticale e ai rientri. Le righe con un corpo chiaramente più grande del testo del corpo diventano intestazioni (h1–h3), le righe che iniziano con un punto elenco o un numero come 1. diventano voci di elenco e le parole con trattino a fine riga vengono unite quando la riga successiva inizia con una lettera minuscola. Un commento HTML indica dove inizia ogni pagina.\n\nIn modalità Layout posizionato ogni porzione di testo diventa uno span posizionato alle sue coordinate su un riquadro delle dimensioni della pagina, usando un carattere generico serif, sans-serif o monospace. Assomiglia al PDF ma non è adatto alla modifica.\n\nViene convertito solo il testo. Immagini, disegni, bordi delle tabelle, colori, caratteri, grassetto e corsivo e collegamenti non vengono mantenuti; le tabelle vengono restituite come righe di testo. Le pagine a più colonne vengono lette nell'ordine in cui il testo è memorizzato, che di solito ma non sempre è l'ordine di lettura. I PDF scansionati non hanno un livello di testo e richiedono prima l'OCR. Tutto il testo viene sottoposto a escape HTML.
Esempi
Pubblicare una brochure online
Una brochure di prodotto di due pagine diventa intestazioni h2, paragrafi ed elenchi puntati da incollare in un CMS e che si adattano agli schermi dei telefoni.
Verifica del livello di testo
Il layout posizionato mostra esattamente dove si trova ogni frammento di testo di un modulo sulla pagina, utile per il debug della generazione di PDF.
Domande frequenti
Le immagini e le tabelle vengono convertite?
No. Viene letto solo il livello di testo. Immagini e grafica vengono ignorate e le celle delle tabelle vengono restituite come righe di testo, perché un PDF non registra quale testo appartiene a quale cella.
Perché un'intestazione viene rilevata come paragrafo (o viceversa)?
Le intestazioni vengono riconosciute solo se sono più grandi della dimensione di testo più comune. Il testo in grassetto di dimensioni normali resta un paragrafo e il testo decorativo grande può diventare un'intestazione.
Perché l'ordine dei paragrafi è sbagliato?
Lo strumento segue l'ordine in cui il testo è memorizzato nel PDF. Alcuni programmi memorizzano colonne, barre laterali o didascalie in un ordine diverso da come appaiono.
Il mio PDF non restituisce testo. Cosa posso fare?
Probabilmente è un documento scansionato. Riconosci prima il testo con OCR, per esempio con Immagine in testo (OCR) sulle immagini delle pagine.
Privacy
Il PDF viene letto nel tuo browser con pdf.js. Il file e l'HTML non vengono caricati, archiviati o inclusi nell'analisi; viene conteggiato solo un evento anonimo relativo all'uso dello strumento.