Конвертировать PDF в HTML

Один файл, никаких зависимостей, фиксированная вёрстка

На выходе — один файл .html, и рядом с ним ничего нет. Каждая картинка встроена как data URI, таблица стилей лежит в head, и ни один шрифт ниоткуда не подгружается — поэтому страница открывается одинаково даже на компьютере без интернета, а только такой экспорт в HTML и имеет смысл. Цена — простая арифметика: двоичные данные изображений, закодированные текстом, становятся примерно на треть больше, так что PDF со сканами на 10 MB превращается почти в 14 MB HTML, и всё это браузер должен разобрать, прежде чем что-то показать.

Вёрстка фиксированная, а не адаптивная, и это решение, а не упущение. Каждая страница — это блок точных размеров PDF в пунктах, а каждая строка текста — абсолютно позиционированный span на исходных координатах, с перенесёнными размером и цветом. Ничего и никогда не перетекает: на телефоне вы увидите всю страницу целиком в уменьшенном виде, а не колонку удобного для чтения текста. Таблица стилей для печати включена, поэтому HTML при печати аккуратно разбивается по границам исходных страниц.

Поскольку шрифты с файлом не передаются, текст набирается той Helvetica или Arial, которая есть на компьютере читателя. Размер и положение верные, а начертания букв — нет, поэтому строка может чуть выходить за границы графики под ней. Есть один изящный приём, о котором стоит знать: когда слова на странице — часть нарисованной графики, а не настоящий текст, текстовый слой всё равно записывается, но прозрачным — так страница остаётся доступной для выделения и поиска, а слова не видны дважды.

Ссылки внутри PDF приходят обычным текстом, а не якорями, заголовки — позиционированными span, а не элементами заголовков, и о порядке чтения говорить не приходится. Результат — точная картинка документа, которая просто сделана из HTML. Это не структурированная семантическая разметка, и её не стоит использовать там, где в ней должны разобраться экранный диктор или поисковая система.

Если нужно другое

Инструмент, который делает это как следует, — pdf2htmlEX. Он извлекает собственные шрифты PDF и встраивает их как веб-шрифты, так что текст не просто правильно расположен, а набран нужной гарнитурой нужной ширины, и он воссоздаёт векторную графику векторами, а не сплющивает страницу в картинку. Результат гораздо точнее и гораздо сложнее. pdftohtml -s -c in.pdf out.html из Poppler — быстрая золотая середина.

Если на самом деле вам нужна веб-страница, а не картинка страницы, — то, что перестраивается на телефоне, что может прочитать Google и по чему может пройти экранный диктор, — её не даст ни один конвертер PDF в HTML, потому что нужная структура была выброшена в момент создания PDF. Конвертируйте в Word в режиме потокового текста и экспортируйте оттуда или вернитесь к тому, из чего PDF был напечатан.