PDF a HTML (texto y títulos)

Cómo funciona

Toque o haga clic en el recuadro, elija el PDF y pulse «Convertir a HTML». La herramienta lee el texto línea por línea: las líneas cortas en letra más grande pasan a ser títulos, las que continúan forman párrafos y las que empiezan con guion, viñeta o número se vuelven elementos de lista. Un boletín municipal de 6 páginas, por ejemplo, da «6 páginas → 9 títulos, 31 párrafos, 12 elementos de lista»; los encabezados y números de página que se repiten en cada hoja se quitan solos. Abra el archivo descargado en el navegador para leerlo, o en un editor de texto como el Bloc de notas para pegar el código en el editor de su sitio. Los caracteres como «<» y «&» se escapan y no pueden romper su página. Las tablas, columnas, imágenes y colores no se pasan: la herramienta lleva las palabras, no el diseño.

Esta herramienta también se busca como convertir pdf a html, pdf a html, pasar pdf a html, pdf a pagina web, pdf to html.

¿Qué es HTML?

HTML es el lenguaje de marcado con el que se escriben las páginas web: cada fragmento de texto va entre etiquetas que dicen qué es. <h1> es el título principal, <p> un párrafo, <ul> con <li> una lista con viñetas. El navegador usa estas etiquetas para mostrar el texto y los buscadores, para distinguir un título del texto corrido. Esta herramienta genera justamente esas etiquetas, así que el resultado se pega sin problemas en cualquier gestor de contenidos o editor de correo.

¿Qué es HTML semántico?

El HTML semántico marca la función de un texto y no su aspecto: en lugar de «esta línea va en 24 puntos y negrita» dice «esta línea es un título». La tipografía y los colores de su sitio deciden después cómo se ve. Por eso el texto que sale de esta herramienta no desentona al pegarlo, los lectores de pantalla pueden saltar de título en título y las líneas se ajustan a la pantalla del teléfono.

¿Qué diferencia hay entre un HTML de texto y un HTML que conserva el diseño?

Algunos conversores imitan el aspecto del PDF: cada palabra va en su propia caja, colocada exactamente donde estaba en la página. En una pantalla grande se parece al PDF, pero el código no se puede mantener, se desborda en el teléfono y los buscadores no leen las frases como frases. Esta herramienta elige a propósito el otro camino y solo lleva el texto, como títulos, párrafos y listas. La página se verá distinta; a cambio, el código es corto, limpio y sirve en cualquier lugar.

¿Qué PDF dan buenos resultados?

Los documentos de una sola columna guardados desde Word, Google Docs o LibreOffice son los que mejor salen: avisos, reglamentos, manuales, artículos de boletín. Si los títulos están claramente más grandes que el texto normal, la herramienta los separa en h1, h2 y h3.

En páginas de revista a dos columnas, dos líneas a la misma altura pueden unirse en una, y las tablas se convierten en una serie de párrafos cortos. Revise el resultado de esos documentos antes de publicarlo.

Un documento escaneado no tiene capa de texto: cada página es una foto. La herramienta lo avisa y se detiene, porque no hace reconocimiento de texto (OCR).

Cómo agregar el resultado a un sitio web

En WordPress y editores parecidos, cambie a la vista de código o «Editar como HTML», abra el archivo .html en un editor de texto, copie las líneas entre <body> y </body> y péguelas. El pequeño bloque de estilo del principio solo sirve para que el archivo se lea bien por sí solo; al pegarlo, manda el diseño de su sitio.

Para un boletín por correo, también puede abrir el archivo en el navegador, seleccionar el texto y copiarlo: los títulos y las listas se pegan con su formato.

• Si no quiere líneas de cambio de página en la web, elija «No mostrar»
• Los niveles de título se deducen del tamaño de letra; corríjalos a mano si hace falta
• Los enlaces y las imágenes no se pasan; vuelva a ponerlos en su editor

Preguntas frecuentes

¿Cómo convierto un PDF a HTML?

Elija su PDF en esta página y pulse «Convertir a HTML». Un archivo .html con títulos, párrafos y listas etiquetados llega a su carpeta de Descargas, sin registro y sin subir nada.

¿El HTML se verá igual que el PDF?

No, y es a propósito. La herramienta conserva el sentido del texto, no su posición: un título sigue siendo título y un párrafo sigue siendo párrafo. Las tablas, columnas, imágenes, colores y tipografías no se pasan; el aspecto lo decide su sitio web.

¿Se conservan las tildes y la ñ?

Sí. El archivo se escribe en UTF-8 y lo indica en su encabezado, así que á, é, ñ, ü y los signos ¿ ¡ se ven bien. Si el propio PDF guarda mal algunos caracteres, algo que pasa con archivos antiguos, el error aparece también en el HTML.

¿Mi PDF se envía a un servidor?

No. La lectura del PDF y la escritura del HTML se hacen dentro de su navegador; el archivo no sale de esta página.