PDF 转 HTML 转换器
把文本型 PDF 转为带真正标题标签、列表和表格的语义化 HTML。pdf-inspector 引擎提取文本，Pandoc 写出标记 —— 全部在你的浏览器中本地完成。
点击开始转换
跳转到转换器，自动选择 PDF 转 HTML 输出（pdf-inspector 引擎）
支持的输入格式
| 格式 | 扩展名 | 说明 |
|---|---|---|
| 文本型 PDF | 数字 PDF —— 网络文章、报告、文档、规格说明 | |
| 混合型 PDF | 文本页可转换；纯图片页会被标记为待 OCR | |
| 扫描型 PDF | 无文本层 —— 自动识别并标记；请改用 OCR 页面 | |
| 多栏 PDF | 重建阅读顺序，使 HTML 以单一线性分栏输出 |
PDF 转 HTML 是怎么工作的
转换器不会照搬 PDF 内部的绘制指令，而是重建语义：pdf-inspector 解析器读取文本层，从字号推断标题，从表格线重建表格网格，并输出结构化 Markdown。
随后 Pandoc 的 HTML writer 把该 Markdown 变成语义化的 HTML5 —— h1 到 h6 标题、段落、有序与无序列表、引用块、代码块和表格 —— 因此结果是真正的网页，而不是一堆定位的方块。
输出是可保存、可托管的独立 HTML，也可粘贴进 CMS。由于解析在标签页内的 WebAssembly 中完成，PDF 永不上传。
何时使用 PDF 转 HTML
结构优先：标题层级、列表、链接、引用块和表格都被正确标记，这正是搜索引擎和屏幕阅读器所需要的。
把仅有 PDF 的文章搬到网上的发布方，以及从规格说明中提取内容以搭建文档站点的文档团队，得到的都是可索引、可链接、可自适应的页面，而不是一个静态文件。
文本内容完整且可选中，但 PDF 中内嵌的图片不会被提取 —— 本页是文本优先的转换器，因此面对图片较多或扫描型文档时，请配合 OCR 页面使用。
PDF 转 HTML 常见问题
+生成的 HTML 是语义化的，还是只是一张文字表？
是语义化的。Pandoc 写出真正的 HTML5 元素 —— 标题、段落、列表、表格和代码块 —— 而不是绝对定位的 div，因此这些标记对浏览器、爬虫和辅助技术都有意义。
+PDF 中的图片会包含吗？
不会。本转换器文本优先：它重建文档结构，但不导出内嵌图片。图片较多或扫描型的 PDF 请改用 OCR 页面。
+文件会上传到某处吗？
不会。两个引擎都通过 WebAssembly 在本地运行，转换过程中网络面板始终为空。
+可以改成输出 Word 或 Markdown 吗？
可以。「PDF 转 Word」和「PDF 转 Markdown」页面运行的是完全相同的管线 —— 先解析为 Markdown，再写出你选择的格式。
+能处理扫描型 PDF 吗？
不能 —— 它们没有文本层，因而没有可标记的内容。引擎会识别它们并引导你走 OCR 路线。