PDF → HTML
小說從 PDF(.pdf)轉成超文本(.html、.htm、.xhtml、.xml、.mhtml)是很常見的一步 —— HTML 能被任何瀏覽器直接開啟,也方便嵌進網頁。不過 PDF 轉超文本會有額外的問題需要考慮:會丟失精確的分頁與版面位置。下面詳細說明 PDF 如何轉成超文本以及注意點,文末附帶 PDF 轉超文本的轉換工具,可以直接在瀏覽器裡上傳檔案轉換。
What is PDF?
PDF 記錄的不是「段落」,而是「在頁面的哪個位置畫什麼」,所以它能把版面原樣固定下來 —— 字型、分欄、圖表位置在任何裝置上都完全一致,打印出來也和螢幕上一樣。代價是讀者無法重排、不能調字號,長文在小螢幕上只能靠縮放閱讀。它最適合需要嚴格保版式的場景,比如論文、合同、掃描件、印刷稿,以及需要長期歸檔、不希望被改動的檔案。 檢視 PDF 格式詳情
| Extensions | .pdf |
|---|---|
| Typical use | 需要嚴格保版式的文件、論文、合同與掃描件;也可作為列印與歸檔格式。 |
What is HTML?
HTML / XHTML 是網頁的結構語言,也正是 EPUB 內部真正用來裝正文的格式 —— 所以 HTML 與 EPUB 之間的轉換,本質上只是換一層外殼和資源打包方式。.mhtml 更進一步,把網頁連同圖片和樣式一起打包成單個檔案,適合儲存隨時可能失效的線上頁面。HTML 的優點是通用、任何瀏覽器都能開啟;缺點是樣式和圖片常以外鍊形式存在,要「一個檔案帶走」必須先把資源內聯進去。 檢視 HTML 格式詳情
| Extensions | .html.htm.xhtml.xml.mhtml |
|---|---|
| Typical use | 網頁正文抓取、EPUB 內部正文、以及作為其他格式的通用中間表示。 |
如何把 PDF 轉成 HTML
PDF 裡的換行多半是「視覺換行」而不是段落結束:一個段落可能被切成 5 行、每行都是獨立文本塊。直接抽取會得到一堆硬回車,需要按行尾是否完整句子、行寬是否接近頁寬來重新合併段落。掃描版 PDF 更是完全沒有文字層,抽取結果為空白,必須先做 OCR。
生成 HTML 時,圖片與樣式是外鏈還是內嵌決定了它能否單檔案分發。要「一個檔案帶走」,需要把資源內聯(data URI)或改用 MHTML;否則移動檔案就會丟圖。同時保留語義化標籤(h1–h6、p),這樣後續再轉 EPUB 時目錄才不會丟。
版式要「打散重建」:PDF的段落、分栏、图表位置是为固定页面排的,转成可重排格式后这些位置信息没有意义,转换器只能按文字流重新拼接。结果是段落可能被并错、分栏可能串行、图表会跑到文字中间。转换后务必通读前几章,重点看对话分段和图表附近。
源是「一頁一張整圖」,而目標會重排:每張圖會作為獨立圖片按順序插入,文字層若不存在就只剩圖片流。這種情況下轉出的檔案往往體積巨大、無法搜尋,閱讀體驗反而比原格式差。
原始檔沒有章節概念(漫畫按頁、PDF 按頁),而目標期望有目錄。轉換器只能按頁或按固定長度機械切分,得到的目錄沒有語義 —— 如果不需要導航可以忽略,但不要指望它能自動識別出「章」。
PDF 轉 HTML 工具
PDF → HTML
轉換完全在你的瀏覽器裡完成,檔案不會上傳到任何伺服器。
全平臺同步閱讀進度的小說閱讀器
閱竹 Tide Reader 支援 TXT 與 EPUB,匯入即自動識別章節、按你的習慣排版,閱讀進度在 Windows、macOS、iOS、Android 之間同步。轉換出來的檔案直接拖進來就能讀。
免費下載閱竹支援 TXT / EPUB;本地閱讀優先,可選雲同步與 WebDAV。
