Så här använder du det
- Välj eller släpp en PDF-fil.
- Välj Stycken och rubriker eller Positionerad layout.
- Välj Konvertera till HTML och vänta tills alla sidor har lästs in.
- Kontrollera förhandsgranskningen, kopiera sedan koden eller ladda ner .html-filen.
Så fungerar det
Verktyget läser textlagret på varje sida med pdf.js: varje textstycke med dess position och teckenstorlek. I läget Stycken och rubriker sammanfogas textbitar på samma baslinje till rader, och rader grupperas till stycken utifrån vertikalt avstånd och indrag. Rader i tydligt större stil än brödtexten blir rubriker (h1–h3), rader som börjar med en punkt eller en siffra som 1. blir listobjekt, och ord som avstavats vid radslut slås ihop när nästa rad börjar med en liten bokstav. En HTML-kommentar markerar var varje sida börjar.
I läget Positionerad layout blir varje textbit en span placerad vid sina koordinater i en ruta med sidans storlek, med ett generiskt serif-, sans-serif- eller monospace-typsnitt. Det liknar PDF:en men lämpar sig inte för redigering.
Endast text konverteras. Bilder, teckningar, tabellkanter, färger, typsnitt, fetstil och kursiv stil samt länkar tas inte med; tabeller återges som textrader. Sidor med flera kolumner läses i den ordning texten är lagrad, vilket oftast men inte alltid är läsordningen. Skannade PDF:er saknar textlager och kräver OCR först. All text är HTML-escaped.
Exempel
Publicera en broschyr online
En produktbroschyr på två sidor blir h2-rubriker, stycken och punktlistor som kan klistras in i ett CMS och anpassas till mobilskärmar.
Kontrollera textlagret
Den positionerade layouten visar exakt var varje textfragment i ett formulär finns på sidan, vilket är användbart vid felsökning av PDF-generering.
Vanliga frågor
Konverteras bilder och tabeller?
Nej. Endast textlagret läses. Bilder och grafik hoppas över, och tabellceller blir textrader eftersom en PDF inte registrerar vilken text som hör till vilken cell.
Varför identifieras en rubrik som ett stycke (eller tvärtom)?
Rubriker identifieras bara genom att vara större än den vanligaste textstorleken. Fet text i normal storlek förblir ett stycke, och stor dekorativ text kan bli en rubrik.
Varför är ordningen på stycken fel?
Verktyget följer den ordning som texten är lagrad i PDF:en. Vissa program lagrar kolumner, sidofält eller bildtexter i en annan ordning än hur de visas.
Min PDF ger ingen text. Vad kan jag göra?
Det är troligen ett inskannat dokument. Använd OCR för att känna igen texten först, till exempel med Image to Text (OCR) på sidbilder.
Integritet
PDF-filen läses i din webbläsare med pdf.js. Filen och HTML-koden laddas inte upp, lagras inte eller ingår inte i analys; bara en anonym händelse att verktyget användes räknas.