Ir para o conteúdo principal
Conversão de formato
Conversão de formato

PDF → HTML

Converter um romance de PDF (.pdf) para Hipertexto (.html, .htm, .xhtml, .xml, .mhtml) é um passo muito comum — O HTML abre diretamente em qualquer navegador e é fácil de incorporar em páginas web.. No entanto, converter PDF para HyperText traz problemas extras que precisam ser considerados: há perda de paginação e posição no layout precisas. A seguir, explicamos em detalhes como converter PDF para HyperText e os pontos de atenção; no final do texto há uma ferramenta para converter PDF em HyperText, com a qual você pode enviar o arquivo e convertê-lo direto no navegador.

Equipe editorial do YueZhu

What is PDF?

O PDF não registra "parágrafos", mas "o que desenhar em cada posição da página"; por isso ele consegue fixar o layout como está — fonte, colunas e posição de gráficos ficam idênticos em qualquer dispositivo, e a impressão sai igual à tela. O preço é que o leitor não pode refluir nem ajustar o tamanho da fonte, e textos longos em telas pequenas só podem ser lidos com zoom. Ele é mais indicado para cenários que exigem preservação rigorosa do layout, como teses, contratos, digitalizações, provas de impressão e arquivos que precisam ser guardados por muito tempo sem alteração. Ver detalhes do formato PDF

Extensions.pdf
Typical usePara documentos, artigos acadêmicos, contratos e digitalizações que exigem layout fiel; também serve como formato de impressão e arquivamento.

What is HTML?

HTML / XHTML é a linguagem estrutural das páginas web e é justamente o formato que o EPUB usa internamente para carregar o texto — então converter entre HTML e EPUB, no fundo, é só trocar a casca e a forma de empacotar os recursos. O .mhtml vai além e empacota a página junto com imagens e estilos em um único arquivo, ideal para guardar páginas online que podem sair do ar a qualquer momento. A vantagem do HTML é ser universal, aberto em qualquer navegador; a desvantagem é que estilos e imagens muitas vezes existem como links externos, e para "levar tudo em um só arquivo" é preciso primeiro embutir os recursos. Ver detalhes do formato HTML

Extensions.html.htm.xhtml.xml.mhtml
Typical useExtração do corpo de páginas web, do conteúdo interno de arquivos EPUB e uso como representação intermediária genérica para outros formatos.

Como converter PDF em HTML

Na maioria das vezes, as quebras de linha de um PDF são "quebras visuais", não o fim de um parágrafo: um parágrafo pode ser cortado em 5 linhas e cada linha é um bloco de texto independente. Extrair diretamente gera um monte de retornos de carro forçados, e é preciso reunir os parágrafos de novo observando se o fim da linha é uma frase completa e se a largura da linha se aproxima da largura da página. Em PDFs digitalizados, então, não há camada de texto alguma: a extração sai em branco e é obrigatório fazer OCR antes.

Ao gerar HTML, o fato de imagens e estilos serem links externos ou estarem embutidos define se o arquivo pode ser distribuído sozinho. Para "levar tudo em um único arquivo", é preciso embutir os recursos (data URI) ou usar MHTML; caso contrário, mover o arquivo faz as imagens desaparecerem. Mantenha também as tags semânticas (h1–h6, p), para que o índice não se perca numa conversão posterior para EPUB.

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.

A origem é "uma página, uma imagem inteira", e o destino faz reflow: cada imagem entra na ordem como imagem independente e, se não houver camada de texto, sobra apenas uma sequência de imagens. Nesse caso, o arquivo gerado costuma ficar enorme e sem possibilidade de busca, o que deixa a leitura pior do que no formato original.

O arquivo de origem não tem noção de capítulos (quadrinhos por página, PDF por página), mas o destino espera um sumário. O conversor só consegue dividir de forma mecânica, por página ou por um comprimento fixo, gerando um sumário sem significado — se a navegação não for necessária, pode ignorar, mas não conte com ele para identificar “capítulos” automaticamente.

Ferramenta para converter PDF em HTML

PDF → HTML

A conversão é feita totalmente no seu navegador; os arquivos não são enviados a nenhum servidor.

Leitor de romances que sincroniza seu progresso de leitura em todas as plataformas

O YueZhu Tide Reader é compatível com TXT e EPUB: ao importar, ele reconhece os capítulos automaticamente e formata o texto do seu jeito, e o progresso de leitura sincroniza entre Windows, macOS, iOS e Android. Os arquivos convertidos é só arrastar para dentro e começar a ler.

Baixe o YueZhu de graça

Compatível com TXT / EPUB; a leitura local tem prioridade, com sincronização na nuvem e WebDAV opcionais.