内容要放上网，PDF转HTML还是转文本？

看你要不要把版面一起带走：要保留分段与结构、直接挂上网页，走转 HTML，出一个独立网页文件；只要干净文字灌进自己的模板，走转文本，出一个 UTF-8 的 TXT，段落缩进与表格排版全部不保留。两条链路都只读文件里已有的文字层，页数上限都按一次提交里所有文件合计判定，超限当场拒绝，具体数字以页面提示为准。

一、两条链路的分工表

两条都不合并、不打包，几个输入就几个产物，逐个下载。判定口径也一致：超限当场拒绝，不出半成品；加密或损坏的 PDF 读不出页数直接拒收，要先把打开密码去掉。

二、按场景挑，别按习惯挑

1. 内容要直接被搜到：走 HTML。文字在网页里是真实文本，搜索引擎抓得到，也复制得走；转文本虽然也能拿到字，但你还得自己搭一层页面。
2. 要塞进现成的网站模板或内容系统：走 PDF转文本。省掉一层网页结构，也就少一处编码和样式打架的地方，套自己的排版更干净。
3. 要给人看目录层级、分节结构：走 HTML。分段与小标题的层次还在，只是多栏排版、浮动图表这类复杂结构会有差异，转后要微调。
4. 要拿去校对、比对、做后续文字处理：走文本。纯文本更适合按行处理，也不会带出一堆结构符号。
5. 原件根本没有文字层：两条都变不出字来。判定方法是在 PDF 里能不能拖动选中一行字，选不中的页面没有可读的文字层，编码和格式怎么换都没用。
6. 只要中间那几页：两条都没有页码选项，都得先用「PDF拆分」把那几页拆成单独文件再转。

三、拿到产物之后的收尾动作不一样

网页那份：先在浏览器里从头到尾翻完，重点核对分段有没有断开、小标题层级还在不在、多栏和浮动图表的位置偏了多少；确认中文显示正常后再挂模板，挂之前别用编辑器乱存，免得把 UTF-8 的编码声明改换掉。要小修就用文本编辑器打开，只改结构和文字，保存时编码保持原样。

文本那份：先检查换行——这类转换只保文字，长段落在原文里的断行方式可能和你排版器要的不一样，通读一遍比直接粘贴省事；然后灌进内容系统，排版、字号、缩进全部由你的模板来定。要只取其中几页，先拆分再转，别在成品里手工抠，抠完还容易留下半句话。

两条共用的判断：先想清楚读者在哪里看。挂在公开网页上、要被人搜到，选 HTML；进内容系统、后面还要二次加工，选文本。产物形态定了，剩下的都是细节。

四、这几件事别做

• 不要指望转文本还能保住表格。这条链路明确只保留文字内容，表格的行列关系、缩进、对齐全部丢掉，出来的是一行行文字。
• 不要以为 HTML 那条能顺手帮你排好版。它做的是把内容搬进网页结构，不做美化，复杂版面转后要自己微调。
• 不要拿转文本当取字工具。没有文字层的页面在这条链路里读不出字，要先把正文取成可编辑文字，走 扫描件PDF转Word，再决定排到哪里。
• 不要为了对比效果一次传太多。两个入口都是一次最多 15 个文件、页数按整批合计判定，超限当场拒绝，先各拿三五页试更省时间。

五、能保住可检索的文本，不能保住没有文字层的内容

能把有文字层的 PDF 转成可检索、可复制的网页文本或干净 TXT，不能在转换这一步给没有文字层的页面补出字来，也不能替你把版面重排成网页样式。这句话是这两条链路共同的边界，选哪个都绕不过去。

再补一条容易误判的点：两个入口都没有清晰度、质量、排版模式之类的选项，传进去什么样就出什么样。所以「换一种输出格式能不能让结果更好」这个问题，答案通常是不能，差别只在你要不要版面结构，而不是哪种格式更精细。真要控制结果，能动的只有输入：换一份导出来源更干净的原件，或者先拆分再转。

常见问题

问：手机上能选哪个？
答：两个入口都能用，选择标准不变；只是转 HTML 之后要微调版面，回到电脑上做更顺手。

问：不登录能用吗？产物去哪儿取？
答：两条链路不登录也能用；登录后产物集中在文件列表里取，两种格式各转一批时，在列表里好核对谁出了、谁没出。

问：两种结果能不能混着用？
答：能，而且这是常见做法——先用 HTML 那份核对分段是否完整，再拿文本那份灌进模板；两边都出自同一个原件，两批提交各按各的文件数和合计页数判定，别把两种输出混在同一次提交里凑数。

本站入口

这一步在站内是 PDF转HTML，文件要上传到本站服务器处理，输出一个独立网页文件、浏览器双击就能看；只要干净文字就改走 PDF转文本，输出 UTF-8 纯文本、不带排版。

产物拿到后，网页那份先在浏览器里过一遍分段再挂模板，文本那份通读检查换行后直接灌进内容系统；版面差异都靠转后微调，不必反复重转。