Slik bruker du det
- Velg eller slipp en PDF-fil.
- Velg «Avsnitt og overskrifter» eller «Posisjonert layout».
- Velg «Konverter til HTML» og vent til alle sidene er lest.
- Sjekk forhåndsvisningen, og kopier deretter koden eller last ned .html-filen.
Slik fungerer det
Verktøyet leser tekstlaget på hver side med pdf.js: hvert tekstelement med posisjon og skriftstørrelse. I modusen Avsnitt og overskrifter slås elementer på samme grunnlinje sammen til linjer, og linjer grupperes i avsnitt ut fra vertikal avstand og innrykk. Linjer i tydelig større skrift enn brødteksten blir overskrifter (h1–h3), linjer som starter med et kulepunkt eller et tall som 1. blir listeelementer, og ord som er delt med bindestrek ved linjeslutt, settes sammen når neste linje starter med liten bokstav. En HTML-kommentar markerer hvor hver side begynner.
I modusen Posisjonert layout blir hvert tekstelement et span plassert på koordinatene sine i en boks på størrelse med siden, med en generisk serif-, sans-serif- eller monospace-skrift. Det ligner PDF-en, men egner seg ikke for redigering.
Bare tekst konverteres. Bilder, tegninger, tabellkanter, farger, skrifter, fet og kursiv tekst og lenker overføres ikke; tabeller kommer ut som tekstlinjer. Sider med flere kolonner leses i rekkefølgen teksten er lagret i, som vanligvis, men ikke alltid, er leserekkefølgen. Skannede PDF-er har ikke noe tekstlag og må OCR-behandles først. All tekst HTML-escapes.
Eksempler
Legge ut en brosjyre på nettet
En tosiders produktbrosjyre blir til h2-overskrifter, avsnitt og punktlister som kan limes inn i et CMS og tilpasser seg mobilskjermer.
Sjekke tekstlaget
Posisjonert layout viser nøyaktig hvor hvert tekstfragment i et skjema ligger på siden, nyttig for feilsøking av PDF-generering.
Ofte stilte spørsmål
Blir bilder og tabeller konvertert?
Nei. Bare tekstlaget leses. Bilder og grafikk hoppes over, og tabellceller kommer ut som tekstlinjer fordi en PDF ikke registrerer hvilken tekst som hører til hvilken celle.
Hvorfor oppdages en overskrift som et avsnitt (eller omvendt)?
Overskrifter gjenkjennes kun ved at de er større enn den vanligste tekststørrelsen. Fet tekst i normal størrelse forblir et avsnitt, og stor dekorativ tekst kan bli en overskrift.
Hvorfor er rekkefølgen på avsnitt feil?
Verktøyet følger rekkefølgen teksten er lagret i i PDF-en. Noen programmer lagrer kolonner, sidefelt eller bildetekster i en annen rekkefølge enn de vises.
PDF-en min gir ingen tekst. Hva kan jeg gjøre?
Det er mest sannsynlig et skannet dokument. Få teksten tolket med OCR først, for eksempel med Bilde til tekst (OCR) på sidebilder.
Personvern
PDF-en leses i nettleseren din med pdf.js. Filen og HTML-en lastes ikke opp, lagres ikke og inngår ikke i analyser; bare en anonym hendelse om at verktøyet ble brukt, telles.