Das Konvertieren eines PDF in HTML ist technisch möglich, das Ergebnis variiert jedoch enorm, je nachdem, was das PDF enthält und was Sie mit dem HTML tun möchten. Um lesbaren Text aus einem einfachen Dokument zu extrahieren, funktioniert die Konvertierung gut. Um ein komplexes Layout als Webseite beizubehalten, muss die Ausgabe normalerweise erheblich bereinigt werden, bevor sie verwendet werden kann.
Warum PDF in HTML komplexer ist als andere Konvertierungen
PDF verwendet eine feste Positionierung – jedes Element hat eine genaue Position auf der Seite, die in Koordinaten definiert ist. HTML verwendet ein Flusslayout – Elemente werden basierend auf Regeln gestapelt und umbrochen. Die Konvertierung zwischen beiden bedeutet, dass Inhalte, die für eine bestimmte Seitengröße mit bestimmten Elementpositionen entwickelt wurden, in etwas konvertiert werden, das sich an jede Bildschirmbreite anpassen lässt. Der Konverter muss entscheiden, ob er das feste Layout reproduzieren möchte (unter Verwendung der absoluten CSS-Positionierung, die identisch aussieht, aber die Reaktionsfähigkeit beeinträchtigt) oder die semantische Struktur extrahieren möchte (die die Layouttreue verliert, aber als Webseite besser funktioniert).
Die meisten PDF-zu-HTML-Konverter extrahieren Text standardmäßig in Lesereihenfolge mit angewendeter grundlegender Formatierung. Das Ergebnis kann zum Veröffentlichen von Textinhalten im Web verwendet werden, ähnelt jedoch nicht dem ursprünglichen PDF-Layout.
Versuchen Sie es mit PDF zu Word
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Tools, die die Konvertierung durchführen
Adobe Acrobat Pro exportiert in HTML über Datei → Exportieren nach → HTML-Webseite. Es erstellt einen Ordner mit einer HTML-Datei und separaten Bilddateien für alle Grafiken. Die Ausgabe behält eine gewisse Layoutstruktur bei, verlässt sich jedoch stark auf absolute Positionierung und feste Breiten, die sich nicht an mobile Bildschirme anpassen.
Für eine textorientierte Konvertierung ohne Acrobat ist die Konvertierung von PDF in Word zunächst mit einem PDF-Konverter und das anschließende Speichern des Word-Dokuments als gefiltertes HTML eine praktische Lösung. Die HTML-Ausgabe von Word ist nicht sauber – sie enthält viele proprietäre Markups –, aber sie ist lesbar und bearbeitbar. Das Öffnen dieses HTML-Codes in einem Code-Editor und das manuelle Bereinigen des Markups oder das direkte Einfügen des Textinhalts in ein CMS ist oft praktischer als jede direkte PDF-zu-HTML-Route.
Pdf2htmlEX ist ein Open-Source-Tool, das eine hochauflösende HTML-Ausgabe erzeugt, indem es das PDF-Layout mithilfe von CSS sorgfältig nachbildet. Die visuelle Genauigkeit ist beeindruckend, aber der generierte HTML-Code ist komplex und nicht für die Bearbeitung gedacht – er eignet sich eher zum Einbetten einer PDF-ähnlichen Ansicht in eine Webseite als zum Erstellen bearbeitbarer Webinhalte.
Wenn das Ziel Web-Publishing ist
Wenn das Endziel darin besteht, den PDF-Inhalt als richtige Webseite zu veröffentlichen – etwas, das eine Suchmaschine indizieren kann, etwas, das auf Mobilgeräten funktioniert, etwas, das zum Design Ihrer Website passt – führt eine direkte PDF-zu-HTML-Konvertierung ohne erheblichen manuellen Aufwand fast nie zu einem brauchbaren Ergebnis. Der zuverlässigere Weg besteht darin, den Textinhalt aus dem PDF zu extrahieren, ihn in Ihr CMS oder Ihren Site-Editor einzufügen und die Formatierung manuell mithilfe der vorhandenen Stile und Vorlagen Ihrer Site anzuwenden.
Bei langen Dokumenten, bei denen eine manuelle Neuformatierung zu zeitaufwändig ist, erhalten Sie durch die Konvertierung in Word zunächst ein saubereres Zwischenformat, das einfacher zu kopieren und einzufügen ist als roher PDF-Text. Die Word-Konvertierung übernimmt die Absatzerkennung, die Überschriftenidentifizierung und die grundlegende Formatierung, sodass Sie vor der Veröffentlichung weniger Zeit mit der Neustrukturierung des Inhalts verbringen müssen.
Einbetten von PDF-Inhalten in eine Webseite ohne Konvertierung
Wenn Ihr Ziel darin besteht, ein PDF auf einer Website anzuzeigen, anstatt es in HTML zu konvertieren, ist das Einbetten oft besser als das Konvertieren. Wenn Sie die PDF-Datei hosten und mit ihr verknüpfen oder sie mit einem PDF-Viewer wie PDF.js in einen Iframe einbetten, bleibt die ursprüngliche Formatierung exakt erhalten und erfordert keinerlei Konvertierung. Besucher sehen das PDF so, wie es entworfen wurde, und Sie vermeiden alle Probleme mit der Konvertierungsqualität. Der Nachteil besteht darin, dass eingebettete PDFs von Suchmaschinen nicht so gut indiziert werden wie native HTML-Inhalte.
Versuchen Sie es mit PDF zu Word
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.