メインコンテンツへスキップ
形式変換
形式変換

PDF → HTML

小説を PDF (.pdf) からハイパーテキスト(.html、.htm、.xhtml、.xml、.mhtml)に変換するのはよくある手順です —— HTML はどのブラウザでも直接開け、ウェブページへの埋め込みも簡単です。ただし PDF から HyperText への変換では、考慮すべき追加のポイントがあります。正確なページ割りとレイアウト位置が失われてしまいます。以下では PDF を HyperText に変換する方法と注意点を詳しく説明します。文末には PDF から HyperText への変換ツールも用意しており、ブラウザ上でファイルをアップロードしてそのまま変換できます。

YueZhu 編集部

What is PDF?

PDF が記録しているのは「段落」ではなく「ページのどの位置に何を描くか」です。だからこそ版面をそのまま固定でき —— フォント、段組み、図表の位置がどの端末でも完全に同じになり、印刷結果も画面と同じになります。代わりに読者はリフローできず、文字サイズも変えられないため、長い文章は小さな画面では拡大して読むしかありません。厳密なレイアウト保持が必要な場面、たとえば論文、契約書、スキャン資料、印刷用原稿、そして長期的に保管し改変されたくないファイルに最適です。 「PDF」形式の詳細を見る

Extensions.pdf
Typical useレイアウトを厳密に保つ必要がある文書、論文、契約書、スキャン文書に適しています。印刷やアーカイブ用の形式としても使えます。

What is HTML?

HTML / XHTML はウェブページの構造言語であり、EPUB が内部で実際に本文を入れるのに使っているフォーマットでもあります —— つまり HTML と EPUB の変換は、本質的には外殻とリソースの梱包方法を替えるだけです。.mhtml はさらに進んで、ウェブページを画像やスタイルごと 1 つのファイルにまとめるもので、いつ失効するかわからないオンラインページの保存に向いています。HTML の利点は汎用性で、どのブラウザでも開けます。欠点はスタイルや画像が外部リンクとして存在することが多く、「1 ファイルで持ち歩く」には先にリソースをインライン化しなければならない点です。 「HTML」形式の詳細を見る

Extensions.html.htm.xhtml.xml.mhtml
Typical useWeb ページ本文の抽出、EPUB 内部の本文、そして他の形式への中間表現として幅広く使われます。

PDF を HTML に変換する方法

PDF の改行はほとんどが「視覚的な改行」で、段落の終わりではありません。1 つの段落が 5 行に分割され、各行が独立したテキストブロックになっていることもあります。そのまま抽出すると強制改行だらけになるので、行末が文として完結しているか、行幅がページ幅に近いかを見て段落を結合し直す必要があります。スキャン版 PDF にはテキスト層がまったくなく、抽出結果は空になるため、まず OCR が必要です。

HTML を生成するとき、画像やスタイルを外部リンクにするか埋め込むかで、単一ファイルとして配布できるかが決まる。「1ファイルで持ち運ぶ」なら、リソースをインライン化(data URI)するか MHTML に切り替える必要がある。そうしないとファイルを移動した時点で画像が消えてしまう。あわせて意味づけタグ(h1–h6、p)を残しておけば、後で EPUB に変換したときも目次が失われない。

Layout must be rebuilt: the paragraph, column and figure positions in the source were arranged for a fixed page and mean nothing once the target reflows. The converter can only re-stitch a text stream, so paragraphs may merge wrongly, columns may interleave and figures may land mid-sentence. Read the first few chapters afterwards, watching dialogue breaks and figure placement.

変換元は「1ページ1枚の全体画像」で、変換先はリフローする。各画像は個別の画像として順番に挿入され、テキストレイヤーがなければ画像だけの並びになる。こうして出力されたファイルは巨大で検索もできず、読書体験は元の形式よりもむしろ悪くなりがちだ。

変換元ファイルには章という概念がなく(マンガはページ単位、PDF もページ単位)、変換先は目次を前提としています。変換ツールはページ単位か固定長で機械的に分割するしかなく、できあがる目次に意味はありません —— ナビゲーションが不要なら無視して構いませんが、「章」を自動で認識してくれるとは期待しないでください。

PDF から HTML への変換ツール

PDF → HTML

変換はすべてお使いのブラウザ内で完結し、ファイルがサーバーにアップロードされることはありません。

すべてのプラットフォームで読書位置を同期する小説リーダー

YueZhu Tide Reader は TXT と EPUB に対応。読み込むだけで章を自動で認識し、あなたの好みに合わせて組版します。読書の進捗は Windows、macOS、iOS、Android の間で同期されます。変換したファイルはドラッグ&ドロップするだけで読めます。

YueZhu(閱竹)を無料ダウンロード

TXT / EPUB に対応。まずはローカルでの閲覧を優先し、クラウド同期と WebDAV も任意で利用できます。