تحويل PDF إلى HTML

ملف واحد، بلا اعتماديات، بتخطيط ثابت

الناتج ملف .html واحد لا شيء بجانبه. كل صورة مضمَّنة كـ data URI، وملف الأنماط داخل قسم head، ولا يُجلب أي خط من أي مكان — فتُفتح الصفحة بشكل مطابق على جهاز لا اتصال له بالإنترنت، وهذا هو النوع الوحيد من تصدير HTML الذي يستحق الاقتناء. والثمن حسابي: ترميز بيانات الصور الثنائية كنص يزيدها بنحو الثلث، فملف PDF من المستندات الممسوحة بحجم 10 MB يصل إلى نحو 14 MB من HTML، ويجب على المتصفح تحليلها كلها قبل أن يعرض أي شيء.

التخطيط ثابت لا متجاوب، وهذا اختيار لا سهو. كل صفحة صندوق بأبعاد صفحة PDF الدقيقة بالنقاط، وكل سطر نص عنصر span بموضع مطلق عند إحداثياته الأصلية، مع نقل حجمه ولونه. لا يعاد تدفق أي شيء أبدًا — على الهاتف ترى الصفحة كاملة مصغّرة، لا عمودًا من نص مقروء. ويتضمن الملف أنماطًا للطباعة، فتنقسم طباعة HTML بدقة عند حدود الصفحات الأصلية.

ولأن الخطوط لا ترافق الملف، يُعرض النص بأي خط Helvetica أو Arial موجود على جهاز القارئ. الحجم والموضع صحيحان أما أشكال الحروف فلا، لذا قد يمتد سطر أعرض قليلًا من الرسم الذي خلفه. وثمة حيلة ذكية تستحق المعرفة: حين تكون كلمات الصفحة جزءًا من الرسم المرسوم لا نصًا حقيقيًا، تُكتب طبقة النص مع ذلك، لكن بشفافية — فتبقى الصفحة قابلة للتحديد والبحث دون أن تظهر الكلمات مرتين.

تصل الروابط داخل ملف PDF كنص عادي لا كروابط فعلية، وتصل العناوين كعناصر span محددة الموضع لا كعناصر عناوين، ولا يوجد ترتيب قراءة يُعتد به. الناتج صورة دقيقة لمستند صادف أنه مصنوع من HTML — ليس ترميزًا منظمًا ودلاليًا، ولا ينبغي استخدامه حيث يحتاج قارئ شاشة أو محرك بحث إلى فهمه.

عندما تحتاج إلى شيء آخر

pdf2htmlEX هي الأداة التي تنجز هذا كما ينبغي. فهي تستخرج خطوط ملف PDF نفسها وتضمّنها كخطوط ويب، فلا يكون النص في موضعه الصحيح فحسب بل بالخط الصحيح وبالعرض الصحيح، وتعيد بناء الرسوم المتجهة كمتجهات بدلًا من تسطيح الصفحة إلى صورة. الناتج أدق بكثير وأعقد بكثير. أما pdftohtml -s -c in.pdf out.html من Poppler فهو الحل الوسط السريع.

إن كان ما تريده فعلًا صفحة ويب لا صورة لصفحة — شيئًا يعيد التدفق على الهاتف، ويقرؤه Google، ويتنقل فيه قارئ الشاشة — فلن يعطيك إياه أي محوّل من PDF إلى HTML، لأن البنية التي يحتاجها أُهدرت حين أُنشئ ملف PDF. حوّله إلى Word في وضع النص المتدفق وصدّره من هناك، أو ارجع إلى المصدر الذي طُبع منه ملف PDF.