Nasıl kullanılır?
- Bir PDF dosyası seçin veya sürükleyip bırakın.
- Paragraflar ve başlıklar veya Konumlandırılmış düzen seçeneğini seçin.
- HTML'e Dönüştür seçeneğine tıklayın ve tüm sayfaların okunmasını bekleyin.
- Önizlemeyi kontrol edin, ardından kodu kopyalayın veya .html dosyasını indirin.
Nasıl çalışır?
Araç, pdf.js ile her sayfanın metin katmanını okur: her metin parçası konumu ve yazı tipi boyutuyla birlikte alınır. Paragraflar ve başlıklar modunda, aynı taban çizgisindeki parçalar satırlara dönüştürülür; satırlar dikey boşluklarına ve girintilerine göre paragraflara gruplanır. Gövde metninden belirgin şekilde daha büyük puntolu satırlar başlık (h1–h3) olur, madde işareti veya 1. gibi bir sayıyla başlayan satırlar liste öğesi olur ve satır sonunda tireyle bölünen sözcükler, sonraki satır küçük harfle başlıyorsa birleştirilir. Her sayfanın başladığı yeri bir HTML yorumu belirtir.
Konumlandırılmış yerleşim modunda her metin parçası, sayfa boyutundaki bir kutu üzerinde kendi koordinatlarına yerleştirilen bir span öğesine dönüşür; genel serif, sans-serif veya monospace yazı tipi kullanılır. PDF'e benzer ancak düzenlemeye uygun değildir.
Yalnızca metin dönüştürülür. Görüntüler, çizimler, tablo kenarlıkları, renkler, yazı tipleri, kalın ve italik biçimler ile bağlantılar aktarılmaz; tablolar metin satırları olarak çıkar. Çok sütunlu sayfalar metnin depolandığı sırayla okunur; bu genellikle okuma sırasıdır ancak her zaman değildir. Taranmış PDF'lerde metin katmanı bulunmaz ve önce OCR gerekir. Tüm metinlere HTML kaçış işlemi uygulanır.
Örnekler
Broşürü çevrimiçi yayımlama
İki sayfalık bir ürün broşürü; h2 başlıklarına, paragraflara ve madde işaretli listelere dönüşür. Bunlar bir CMS'e yapıştırılabilir ve telefon ekranlarına uyum sağlar.
Metin katmanını kontrol etme
Konumlandırılmış yerleşim, bir formdaki her metin parçasının sayfada tam olarak nerede durduğunu gösterir; PDF oluşturmayı hata ayıklamak için kullanışlıdır.
Sık sorulan sorular
Görüntüler ve tablolar dönüştürülüyor mu?
Hayır. Yalnızca metin katmanı okunur. Görüntüler ve grafikler atlanır; PDF hangi metnin hangi hücreye ait olduğunu kaydetmediği için tablo hücreleri metin satırları olarak çıkar.
Neden bir başlık paragraf olarak algılanıyor (ya da tam tersi)?
Başlıklar yalnızca en yaygın metin boyutundan daha büyük olmalarına göre algılanır. Normal boyuttaki kalın metin paragraf olarak kalır; büyük dekoratif metin başlık olabilir.
Paragrafların sırası neden yanlış?
Araç, metnin PDF'de depolandığı sırayı izler. Bazı programlar sütunları, kenar çubuklarını veya resim altı yazılarını göründüklerinden farklı bir sırayla depolar.
PDF'im metin vermiyor. Ne yapabilirim?
Büyük olasılıkla taranmış bir belgedir. Önce metni OCR ile tanıyın; örneğin sayfa görüntülerinde Image to Text (OCR) aracını kullanın.
Gizlilik
PDF, tarayıcınızda pdf.js ile okunur. Dosya ve HTML yüklenmez, saklanmaz veya analizlere dahil edilmez; yalnızca aracın kullanıldığına dair anonim bir olay sayılır.