PDF in HTML

Come usare lo strumento PDF in HTML

Funzioni principali dello strumento PDF in HTML

Informazioni sullo strumento PDF in HTML

Lo strumento PDF in HTML legge ogni pagina con pdf.js e raggruppa i frammenti di testo in righe in base alla loro posizione verticale. La prima riga di una pagina, se sotto i 60 caratteri, e qualsiasi riga sotto i 40 caratteri scritta in maiuscolo diventano titoli h2; ogni altra riga diventa un paragrafo. Le righe vengono racchiuse in una sezione per pagina all'interno di un documento con stile, e una pagina senza testo riceve invece una nota segnaposto.

È un modo rapido per portare il testo di un PDF su una pagina web, in un CMS che accetta HTML, o in una forma che puoi restilizzare con il tuo CSS. La deduzione dei titoli è semplice, quindi una data o una prima riga breve potrebbe essere marcata come titolo. Un PDF scansionato non ha un livello di testo e risulta solo in sezioni segnaposto; passalo prima per OCR PDF.

Quando usare lo strumento PDF in HTML

Un verbale di riunione, una newsletter o un avviso deve essere inviato come link anziché come allegato. Converti il PDF, scarica il file .html e mettilo su qualsiasi spazio web; è un unico file con gli stili inline, e si apre in un browser senza dover installare nient'altro.

Un lettore che usa uno screen reader o una dimensione del testo grande trova difficile un PDF a impaginazione fissa. L'output HTML ha un tag viewport e un contenitore che va a capo a 800 pixel, così il testo si riadatta su uno smartphone e segue la dimensione del testo del browser, e i titoli danno allo screen reader qualcosa su cui navigare.

Vuoi elaborare il testo con uno script. L'output racchiude ogni pagina del PDF in un elemento section con un'etichetta «Page N of M» e usa al suo interno solo i tag h2 e p, il che è facile da interrogare ed estrarre. Se la destinazione richiede invece Markdown, PDF in Markdown applica lo stesso raggruppamento delle righe e scrive titoli ## ed elenchi puntati -.

Quando la pagina deve avere lo stesso aspetto del PDF, mantieni il PDF: crea un link ad esso, oppure trasforma le pagine in immagini con PDF in JPG e incorporale. Per la direzione opposta, HTML in PDF trasforma di nuovo una pagina web in un documento. Una scansione produce solo sezioni segnaposto; passala prima per OCR PDF.

Suggerimenti e risoluzione dei problemi

• «Impossibile convertire il PDF in HTML: No password given» significa che il PDF richiede una password per essere aperto. Rimuovi prima la protezione; le sole restrizioni di copia non lo bloccano.
• «Impossibile convertire il PDF in HTML: Invalid PDF structure» significa che il file trascinato non è un PDF.
• Qualsiasi riga sotto i 40 caratteri che non contiene lettere minuscole viene considerata maiuscola e diventa un h2, il che include date, importi e numeri isolati. Declassale nel riquadro prima di copiare.
• La prima riga di ogni pagina diventa un h2 se è sotto i 60 caratteri, quindi un'intestazione ricorrente si ripete come titolo su ogni pagina. Elimina le ripetizioni oppure trasformale in paragrafi.
• Ogni riga del PDF diventa un proprio elemento p; le righe a capo non vengono unite in paragrafi. Se ti servono i paragrafi ricostruiti, PDF in Word unisce le righe a capo in base alla loro spaziatura.
• L'h1 nell'output è il nome del tuo file e il title è il nome senza estensione, seguito da una riga che dice «Converted with PDFTools.studio» e da un badge con il numero di pagine. Modificali o rimuovili nel riquadro prima di copiare.
• Copia HTML copia il riquadro così com'è, incluse le tue modifiche; Scarica file salva la generazione originale, e Anteprima documento lo renderizza in un frame. Il file prende il nome del tuo PDF con estensione .html, e i file oltre 150 MB vengono rifiutati prima che venga eseguito qualsiasi cosa.
• Per andare nella direzione opposta, HTML in PDF trasforma in PDF HTML incollato, un file HTML o una pagina web pubblica. Per appunti o un repository, PDF in Markdown scrive lo stesso testo come file .md.
• Le pagine che escono come segnaposto sono scansioni. Come rendere ricercabile un PDF scansionato spiega come controllare un file e aggiungere il livello di testo che questo strumento legge.

Come funziona lo strumento PDF in HTML nel tuo browser

pdf.js analizza il file in un worker recuperato da cdnjs.cloudflare.com e restituisce i frammenti di testo di ogni pagina con le loro posizioni. Lo script arrotonda la posizione verticale di ogni frammento e inizia una nuova riga ogni volta che si sposta di più di 6 punti, unendo i frammenti sulla stessa riga con uno spazio. Applica poi il test per i titoli a ogni riga, esegue l'escape di e commerciali e parentesi angolari, e scrive un h2 o un p con stili inline. Le righe di ogni pagina vengono racchiuse in una section con un'etichetta «Page N of M», e una pagina senza frammenti riceve invece un segnaposto in corsivo.

Le sezioni vengono inserite in un modello di documento con un head contenente il set di caratteri, un tag viewport, il title e un breve blocco di stile, e un'intestazione che mostra il nome del file e il numero di pagine. Quella stringa diventa un Blob di tipo text/html. La scheda dei risultati viene disegnata a partire dal Blob, e lo script aggiunge una textarea che contiene il sorgente e un pulsante Copia HTML che usa la Clipboard API. Anteprima documento carica il Blob in un frame tramite un URL temporaneo dell'oggetto e Scarica file lo salva allo stesso modo. L'output non contiene script e non fa riferimento a file esterni, e nulla del tuo PDF lascia la scheda.

Domande frequenti