HTML → PDF

HTML 是什么

HTML / XHTML 是网页的结构语言，也是 EPUB 内部真正使用的正文格式；.mhtml（MHTML）则是把网页及其全部资源（图片、CSS）打包成单个文件，常用于「另存为单个网页」。XML 是通用标记语言，FB2、OPF 等格式本身就是一种 XML。这一族本质上都是「带标签的文本」，标签决定结构，所以转成其他格式时保留多少结构，取决于转换工具对标签的理解程度。

PDF 是什么

PDF 是 Adobe 提出的固定版式文档格式，它记录的是「在页面某个坐标上画什么」，而不是「这段文字属于哪一段」。因此无论在什么设备上打开，版面都完全一致，适合排版要求严格的场景（合同、论文、扫描件）。代价是它天生不适合重排：正文的换行往往只是视觉换行，抽取出来的文字可能带硬回车、分栏顺序错乱，扫描版更是只有图片、没有文字层。

HTML 转 PDF 需要注意什么

先从源格式抽出内容时

HTML 的结构全在标签里，但真实网页混杂导航、广告、页脚等噪声，直接整页转换会把它们一起带进去。建议先用可读性算法（如 Readability）抽出正文容器，并注意 <img> 多为外链 —— 转成单文件格式前必须把图片下载并内嵌。

写进目标格式时

生成 PDF 相当于把内容「拍照定格」：一旦生成就失去重排能力，读者不能调字号、不能换行宽，长文在小屏上体验很差。如果目的是给人长时间阅读，PDF 通常不是好目标；它更适合打印、归档和保版式交付。

两端格式交互带来的坑

• 会失去重排能力：目标格式把版面固定下来，读者无法再调字号或改变行宽。长篇小说转过去之后，在小屏上只能靠缩放阅读，这是最常见的「转完更难读」的原因。若非为了打印或保版式交付，建议保留一个可重排版本作为阅读用副本。

转换后自检清单

1. 先用前 3 章试转，确认没有丢字、串行或错位，再整本转换。
2. 检查章节切分：目录条目数应与实际章数一致。
3. 随机翻 5 处，搜索书中一个人名，确认文本可被完整检索。
4. 确认插图数量与位置：尤其看图片有没有挤在章节末尾。
5. 补全书名、作者、语言；语言标签写错会导致排版（如中文断行）异常。
6. 确认页边距与中文字体已内嵌，否则在别人电脑上会显示成方框。

小说转换的特殊之处

小说是最常见、也最特殊的一类电子书：几百上千章、几乎没有图表、常常只有一份 TXT 源文件，中文源还经常带防盗乱码。下面几点是最容易踩、也最影响阅读体验的。

• 目标格式没有目录概念，而长篇阅读最难受的恰恰是「翻不到某一章」。如果这本书你还要长期读下去，建议另存一份带目录的版本（EPUB 或 Kindle），把这个当作分发或归档副本。
• 一部长篇转成固定版式之后，手机上只能靠缩放阅读。小说是所有书里最不适合固定版式的类型 —— 它几乎没有图表、全是连续文字。除非要打印或投稿，长篇一律优先选可重排格式。
• 分卷信息（「第一卷」「第二卷」）在多数转换里会被降级成普通标题，卷与章的层级关系随之丢失。如果你在意层级，转换后到编辑器里把卷标题提升一级，别让它和章标题平级。

HTML 转 PDF 的工具

下面这些工具都能完成这个方向的转换，按你的操作系统和文件数量挑一个即可。动手前建议先看上一节的注意事项 —— 顺序错了（比如该先 OCR 却直接转）往往要重来一遍。

常见问题

相关格式转换