Перейти к основному содержимому
Конвертация форматов
Конвертация форматов

PDF → HTML

Перевод книги из PDF (.pdf) в Гипертекст (.html, .htm, .xhtml, .xml, .mhtml) — вполне обычный шаг: HTML открывается напрямую в любом браузере и легко встраивается в веб-страницы. Правда, при переводе из PDF в HyperText есть дополнительные нюансы, которые стоит учесть: потеряется точная разбивка на страницы и положение в макете. Ниже подробно разберём, как перевести PDF в HyperText и на что обратить внимание, а в конце статьи — инструмент для конвертации PDF в HyperText: можно сразу загрузить файл и преобразовать его прямо в браузере.

Редакция YueZhu

What is PDF?

PDF записывает не «абзацы», а «что и в каком месте страницы нарисовать», поэтому он позволяет зафиксировать макет как есть: шрифты, колонки, положение графиков на любом устройстве полностью совпадают, и напечатанный вид не отличается от экранного. Плата — читатель не может переверстать текст или изменить кегль, и длинные тексты на маленьком экране приходится читать с масштабированием. Лучше всего он подходит там, где вёрстку нужно строго сохранить: научные статьи, договоры, сканы, печатные макеты, а также файлы для долгого архивирования, которые не должны меняться. Подробнее о формате PDF

Extensions.pdf
Typical useДокументы, научные работы, договоры и сканы, где важно точно сохранить вёрстку; подходит также как формат для печати и архивирования.

What is HTML?

HTML / XHTML — язык структуры веб-страниц и именно тот формат, в котором EPUB реально хранит текст, так что конвертация между HTML и EPUB по сути сводится к смене оболочки и способа упаковки ресурсов. .mhtml идёт дальше и упаковывает страницу вместе с картинками и стилями в один файл — удобно для сохранения онлайн-страниц, которые в любой момент могут исчезнуть. Плюс HTML в универсальности: его откроет любой браузер; минус в том, что стили и картинки часто подключены по внешним ссылкам, и чтобы «унести всё одним файлом», ресурсы сначала нужно встроить внутрь. Подробнее о формате HTML

Extensions.html.htm.xhtml.xml.mhtml
Typical useИзвлечение основного текста веб-страниц, содержимое внутри EPUB, а также универсальное промежуточное представление для других форматов.

Как преобразовать PDF в HTML

Переносы строк в PDF чаще всего «визуальные», а не конец абзаца: один абзац может быть разрезан на 5 строк, каждая из которых — отдельный текстовый блок. При прямом извлечении получится куча жёстких переводов строк, и абзацы придётся собирать заново — по тому, заканчивается ли строка законченным предложением и близка ли её ширина к ширине страницы. А в сканированном PDF текстового слоя нет вообще: извлечение даст пустоту, и сначала нужно выполнить OCR.

При создании HTML то, являются ли изображения и стили внешними ссылками или встроены, определяет, можно ли распространять файл одним документом. Чтобы «унести всё в одном файле», нужно встроить ресурсы (data URI) или перейти на MHTML; иначе при перемещении файла картинки потеряются. Сохраняйте и семантические теги (h1–h6, p) — тогда при последующей конвертации в EPUB оглавление не пропадёт.

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.

Источник — «одна страница, одна целая картинка», а целевой формат выполняет перекомпоновку: каждое изображение вставляется отдельно, по порядку, и если текстового слоя нет, остаётся только поток картинок. В этом случае итоговый файл получается огромным и не поддаётся поиску, так что читать его хуже, чем в исходном формате.

В исходном файле нет понятия глав (комиксы и PDF разбиты по страницам), а целевой формат ожидает оглавление. Конвертер может лишь механически нарезать материал по страницам или по фиксированной длине, и оглавление получится бессмысленным — если навигация не нужна, его можно проигнорировать, но не стоит рассчитывать, что главы определятся автоматически.

Инструмент для конвертации PDF в HTML

PDF → HTML

Преобразование полностью выполняется в вашем браузере — файлы не отправляются ни на какой сервер.

Средство для чтения романов с синхронизацией прогресса чтения на всех платформах

YueZhu Tide Reader поддерживает TXT и EPUB: при импорте главы распознаются автоматически, вёрстка подстраивается под ваши привычки, а прогресс чтения синхронизируется между Windows, macOS, iOS и Android. Готовый файл достаточно перетащить в окно — и можно читать.

Скачать YueZhu бесплатно

Поддерживаются TXT / EPUB; приоритет — локальное чтение, дополнительно доступны облачная синхронизация и WebDAV.