PDF → HTML
小说从 PDF（.pdf）转成超文本（.html、.htm、.xhtml、.xml、.mhtml）是很常见的一步 —— HTML 能被任何浏览器直接打开，也方便嵌进网页。不过 PDF 转超文本会有额外的问题需要考虑：会丢失精确的分页与版面位置。下面详细说明 PDF 如何转成超文本以及注意点，文末附带 PDF 转超文本的转换工具，可以直接在浏览器里上传文件转换。
PDF 是什么
PDF 记录的不是「段落」，而是「在页面的哪个位置画什么」，所以它能把版面原样固定下来 —— 字体、分栏、图表位置在任何设备上都完全一致，打印出来也和屏幕上一样。代价是读者无法重排、不能调字号，长文在小屏幕上只能靠缩放阅读。它最适合需要严格保版式的场景，比如论文、合同、扫描件、印刷稿，以及需要长期归档、不希望被改动的文件。 查看 PDF 格式详情
| 扩展名 | .pdf |
|---|---|
| 典型用途 | 需要严格保版式的文档、论文、合同与扫描件；也可作为打印与归档格式。 |
HTML 是什么
HTML / XHTML 是网页的结构语言，也正是 EPUB 内部真正用来装正文的格式 —— 所以 HTML 与 EPUB 之间的转换，本质上只是换一层外壳和资源打包方式。.mhtml 更进一步，把网页连同图片和样式一起打包成单个文件，适合保存随时可能失效的在线页面。HTML 的优点是通用、任何浏览器都能打开；缺点是样式和图片常以外链形式存在，要「一个文件带走」必须先把资源内联进去。 查看 HTML 格式详情
| 扩展名 | .html.htm.xhtml.xml.mhtml |
|---|---|
| 典型用途 | 网页正文抓取、EPUB 内部正文、以及作为其他格式的通用中间表示。 |
如何把 PDF 转成 HTML
PDF 里的换行多半是「视觉换行」而不是段落结束：一个段落可能被切成 5 行、每行都是独立文本块。直接抽取会得到一堆硬回车，需要按行尾是否完整句子、行宽是否接近页宽来重新合并段落。扫描版 PDF 更是完全没有文字层，抽取结果为空白，必须先做 OCR。
生成 HTML 时，图片与样式是外链还是内嵌决定了它能否单文件分发。要「一个文件带走」，需要把资源内联（data URI）或改用 MHTML；否则移动文件就会丢图。同时保留语义化标签（h1–h6、p），这样后续再转 EPUB 时目录才不会丢。
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「一页一张整图」，而目标会重排：每张图会作为独立图片按顺序插入，文字层若不存在就只剩图片流。这种情况下转出的文件往往体积巨大、无法搜索，阅读体验反而比原格式差。
源文件没有章节概念（漫画按页、PDF 按页），而目标期望有目录。转换器只能按页或按固定长度机械切分，得到的目录没有语义 —— 如果不需要导航可以忽略，但不要指望它能自动识别出「章」。
PDF 转 HTML 工具
PDF → HTML
转换完全在你的浏览器里完成，文件不会上传到任何服务器。
全平台同步阅读进度的小说阅读器
阅竹 Tide Reader 支持 TXT 与 EPUB，导入即自动识别章节、按你的习惯排版，阅读进度在 Windows、macOS、iOS、Android 之间同步。转换出来的文件直接拖进来就能读。
免费下载阅竹支持 TXT / EPUB；本地阅读优先，可选云同步与 WebDAV。