Extract text from images — free

该转换工具会重建文档的逻辑结构——标题、段落、列表、真正的 <table> 元素、链接和图片——而不像某些 PDF 阅读器那样只是将每个字符固定在 X/Y 坐标上。转换结果能在移动端自动重排，利于 SEO 索引，并开箱即可被屏幕阅读器识别。

可以。表格会转换为标准的 <table>、<thead>、<tbody>、<tr>、<th> 和 <td> 元素，并在表头单元格上设置正确的 scope 属性。这让它们对屏幕阅读器友好、可搜索，并易于用 Bootstrap、Tailwind 或你现有的 CSS 框架设置样式——无需额外的标记转换。

可以。粘贴到 WordPress、Webflow、Ghost、Notion（作为嵌入）、Confluence、GitBook 或你的自定义静态网站中——该标记无依赖，通过 W3C HTML5 规范验证，在 Chrome、Safari、Firefox 和 Edge 中渲染效果完全一致。图片会根据你的偏好以 Base64 内联或提取为单独的文件。

可以。纯图片 PDF 会触发 OCR 引擎，先提取文本并重建版式，然后再生成 HTML。这意味着即便是旧扫描的白皮书、拍摄的报告和传真回传的文档，也能重新发布为带有正确标题、段落和链接的现代响应式网页。

可以。嵌入的图片会被提取、优化（根据内容采用 WebP 或 PNG），并通过设置了 width 和 height 属性的 <img> 标签引用，以实现有利于 CLS 的加载。矢量图表可能会扁平化为位图——若要获得完整的矢量保真度，请使用「PDF 转图片」并手动嵌入 SVG 版本。

上传的文件会在几分钟内删除，绝不用于训练模型，绝不共享。HTML 输出没有水印、没有署名注释、也没有跟踪像素。代理公司和内部团队用该工具将旧版 PDF 迁移到现代 CMS 网站，无需担心任何授权或隐私问题。

打开预览旁的引擎控件组，选择默认、引擎 1 或引擎 2，然后从下方可搜索的语言选择器中选择文档语言——支持超过 100 种语言，包括非拉丁文字。更改任一设置后，点击「重新运行提取」，以用新的 OCR 识别重新生成 HTML。

对于常见的拉丁字母语言，先用“默认”引擎——它处理日常文档最快也最准。对于较少见的文字（阿拉伯文、印地文、中文），或当“默认”引擎把标题和表格弄乱时，就切换到 Engine 1 或 Engine 2，设定对应“语言”，然后“重新提取”——不同引擎各有擅长的文字，两个都试一下只需几秒，往往就能修正被误读的带重音字符。

可以——输出面板在实时渲染预览旁显示一个可编辑的代码框，因此输入修正（移除多余标签、调整标题级别、微调行内文本）会立即更新预览窗格。请在那里完成所有更正，然后再点击下载或复制，因为这两个操作使用的都是代码框中当前的内容，而非原始 OCR 输出。

点击输出面板上方的“复制 HTML”——它会将可编辑代码框中的内容（包括你所做的任何手动修改）原样复制到剪贴板，并短暂显示“已复制！”以示确认。当你要直接粘贴到 CMS 的 HTML 或嵌入代码块中而非上传文件时，这是最快捷的方式。

无需创建账户即可将 PDF 转换为 HTML。已登录的免费账户每天有一定的转换额度，接近额度时会看到一个小的用量计量条，因为扫描的 PDF 页面会经过 OCR——Premium 账户看不到任何上限。

没有——本工具没有此设置；图片如何嵌入输出的 HTML 是自动决定的，无法在界面中切换，无论某些网站文案怎么说。如果你需要供 CMS 媒体库使用的独立图片文件，请改用 PDF 转图片单独导出各页，它以你选择的 150、200 或 300 DPI 输出 PNG 或 JPG——而非 SVG。