本地处理 · 不上传第三方
PDF 转 HTML
把 PDF 转成单个 HTML 文件(图片内联),可直接放网页或提取正文
文件处理完立即删除,不留存、不分享;日志只记体积与页数,不记文件名。
使用步骤
- 点上传区选择文件,或把文件直接拖进来;
- 按需设置下面的参数,点「开始处理」;
- 处理完成后点「下载」保存到本地——服务器上不会保留副本。
不要上传身份证、银行卡、护照等证件;处理在服务器完成,文件只存在于临时目录,请求结束即删除。
用 poppler 的 pdftohtml 转换,正文文字可选中、可被搜索引擎与 AI 引擎读取;图片会内联进同一个 HTML 文件。
python 排版的取舍:poppler 输出的是按位置定位的 div,还原度高于纯文字提取,但不是响应式排版——手机上会横向滚动。
扫描版 PDF 没有文字层,转出来是空白页;那种需要 OCR,请用「PDF 转图片」+「图片文字识别」。
常见问题
为什么打开后排版是绝对定位的?
pdftohtml 保留原始版面坐标,这能最大程度还原版式,但不像网页那样自适应。
能只出正文不要定位吗?
可以用「PDF 提取文字」拿到纯文本;要结构化 HTML 目前只有这一种模式。