Як користуватися
- Виберіть або перетягніть PDF-файл.
- Виберіть «Абзаци та заголовки» або «Позиційований макет».
- Натисніть «Перетворити на HTML» і зачекайте, доки всі сторінки буде прочитано.
- Перевірте попередній перегляд, потім скопіюйте код або завантажте файл .html.
Як це працює
Інструмент зчитує текстовий шар кожної сторінки за допомогою pdf.js: кожен фрагмент тексту з його позицією та розміром шрифту. У режимі «Абзаци та заголовки» фрагменти на одній базовій лінії об’єднуються в рядки, а рядки групуються в абзаци за вертикальними інтервалами та відступами. Рядки зі значно більшим шрифтом, ніж основний текст, стають заголовками (h1–h3), рядки, що починаються з маркера або числа, наприклад 1., стають елементами списку, а слова, перенесені в кінці рядка, з’єднуються, якщо наступний рядок починається з малої літери. HTML-коментар позначає початок кожної сторінки.
У режимі «Позиційований макет» кожен фрагмент тексту стає span-елементом, розташованим за координатами на полі розміром зі сторінку, з використанням загального шрифту serif, sans-serif або monospace. Такий макет нагадує PDF, але не призначений для редагування.
Перетворюється лише текст. Зображення, малюнки, межі таблиць, кольори, шрифти, жирне та курсивне накреслення, а також посилання не переносяться; таблиці відображаються як рядки тексту. Сторінки з кількома колонками зчитуються в порядку зберігання тексту, який зазвичай, але не завжди, відповідає порядку читання. Скановані PDF не мають текстового шару і потребують попереднього розпізнавання тексту (OCR). Увесь текст екранується в HTML.
Приклади
Публікація брошури онлайн
Двосторінкова брошура продукту стає заголовками h2, абзацами та маркованими списками, які вставляються в CMS і адаптуються до екранів телефонів.
Перевірка текстового шару
Позиційований макет показує, де саме знаходиться кожен фрагмент тексту форми на сторінці; це корисно для налагодження створення PDF.
Поширені запитання
Чи перетворюються зображення та таблиці?
Ні. Зчитується лише текстовий шар. Зображення та графіка пропускаються, а клітинки таблиць виводяться як текстові рядки, оскільки PDF не зберігає інформацію про те, який текст належить якій клітинці.
Чому заголовок визначається як абзац (або навпаки)?
Заголовки розпізнаються лише за більшим розміром шрифту, ніж найпоширеніший розмір тексту. Жирний текст звичайного розміру залишається абзацом, а великий декоративний текст може стати заголовком.
Чому порядок абзаців неправильний?
Інструмент дотримується порядку, у якому текст збережено в PDF. Деякі програми зберігають колонки, бічні панелі або підписи не в тому порядку, як вони відображаються.
Мій PDF не містить тексту. Що робити?
Найімовірніше, це відсканований документ. Спочатку розпізнайте текст за допомогою OCR, наприклад інструментом «Зображення в текст (OCR)» на зображеннях сторінок.
Конфіденційність
PDF зчитується у вашому браузері за допомогою pdf.js. Файл і HTML не вивантажуються, не зберігаються та не потрапляють в аналітику; враховується лише анонімна подія про використання інструмента.