كيفية تحويل ملف PDF إلى HTML — صفحات ويب نظيفة

إذا أردت تحويل ملف PDF إلى HTML، فإليك الخبر الصادق منذ البداية: لا توجد أداة تحوّل أي ملف PDF إلى HTML نظيف ومتجاوب تلقائياً. PDF صيغة طباعة — تخزّن «ضع هذا الحرف عند x=142 و y=380» لا «هذا عنوان». و HTML عكسها تماماً. كل تحويل هو ترجمة بين فلسفتين، وشيء ما يضيع دائماً.

هذا لا يعني أن الأمر صعب. بل يعني أن عليك اختيار طريقتك بناءً على ما تحتاجه فعلاً: كود نظيف، أو ناتج سريع لمرة واحدة، أو مجرد وضع المستند على صفحة ويب بأي شكل. إليك الطرق الثلاث، إضافة إلى حجة عدم التحويل.

لماذا تحويل PDF إلى صفحة ويب أصلاً؟

ثلاثة أسباب تتكرر باستمرار:

• ‏SEO. محركات البحث تفهرس ملفات PDF، لكنها ترتّب صفحات HTML الحقيقية أعلى بكثير: لـ HTML بنية (عناوين، روابط، نص بديل)، ويُحمَّل أسرع، ويعمل على الجوال. المحتوى المدفون في PDF محتوى لا يجده معظم الباحثين أبداً.
• إمكانية الوصول. قارئات الشاشة تتعامل مع HTML الدلالي أفضل بكثير من ملف PDF غير الموسوم المعتاد. إذا كان المستند يهم الجميع، فـ HTML هي الصيغة الميسّرة.
• تجربة المستخدم. رابط PDF على الجوال يعني تنزيل ← فتح في تطبيق آخر ← تكبير وتصغير تخطيط A4 ثابت. أما صفحة HTML فتُقرأ ببساطة.

الطريقة 1 — الاستخراج وإعادة البناء (أنظف كود)

للمحتوى الذي يهمك فعلاً — تقرير سيُنشر على موقعك، دليل، توثيق — هذه الطريقة تتفوق على كل محوّل تلقائي. تُخرج المادة الخام من PDF وتكتب HTML البسيط حولها بنفسك.

نعم، إنه عمل يدوي. لكن الناتج HTML تريد فعلاً صيانته، ولأي شيء موجّه لقرّاء حقيقيين، هذه المقايضة تستحق.

الطريقة 2 — pdftohtml و Calibre (لأهل سطر الأوامر)

إذا أردت الأتمتة وتستطيع التعايش مع ناتج أقل نظافة:

‏pdftohtml (جزء من أدوات Poppler، مثبّت مسبقاً أو على بُعد حزمة واحدة على Linux/Mac):

pdftohtml -s -noframes document.pdf output.html

الخيار ‎-s يعطي مستند HTML واحداً متصلاً بدلاً من ملف لكل صفحة. والخيار ‎-c يضيف «الوضع المعقد» الذي يعيد إنتاج التخطيط بعناصر div ذات مواضع مطلقة — أقرب بصرياً إلى PDF، لكن الكود غير صالح لأي شيء غير العرض وينهار تماماً على الجوال.

‏Calibre (مجاني، متعدد المنصات) يعامل PDF ككتاب إلكتروني: افتح Calibre ← أضف الملف ← حوّل ← اختر ناتج HTMLZ. يعمل بأفضل حال مع ملفات PDF النصية أحادية العمود، ويتعثر مع التخطيطات متعددة الأعمدة التي يقرأها غالباً بترتيب خاطئ.

المحولات المدفوعة (تصدير Acrobat Pro إلى HTML، وخدمات إلكترونية شتى بـ 6-20 دولاراً شهرياً) تُحسن التعامل مع الجداول وتحفظ تنسيقاً أكثر، لكن ناتجها يبقى كوداً مولّداً — مئات الأنماط المضمّنة والعناصر المتداخلة. مقبول إذا أردت المحتوى على الإنترنت اليوم فقط؛ ومؤلم إذا عدّلته يوماً.

الطريقة 3 — لا تحوّل: ضمّن ملف PDF أو اربطه

أحياناً يكون الجواب الصحيح عن «كيف أضع هذا الـ PDF على موقعي» هو أن تضع الـ PDF على موقعك:

<embed src="/files/report.pdf" type="application/pdf" width="100%" height="800px" />

أو مجرد رابط بسيط مع تلميح للحجم: <a href="/files/report.pdf">التقرير السنوي (PDF، 2.4 ميغابايت)</a>.

السلبيات: ملفات PDF المضمّنة تبقى ضعيفة لـ SEO ومزعجة على الهواتف. والحل الوسط الشائع هو الاثنان معاً — ملخص HTML لأهم المحتوى في الصفحة، مع رابط ملف PDF الكامل أسفله.

أي طريقة تناسب حالتك؟

توقعات صادقة: ما الذي ينجو وما الذي لا

أياً كانت الطريقة التي تختارها، اضبط توقعاتك:

• النص العادي: ينجو في كل مكان. هذه الـ 90٪ السهلة.
• الخطوط: تُستبدل عادةً بخطوط النظام أو خطوط الويب الآمنة ما لم تضف خطوط ويب يدوياً.
• التخطيطات متعددة الأعمدة: الفشل الكلاسيكي. المحولات إما تسطّح الأعمدة في تيار واحد مربك أو تجمّدها بمواضع مطلقة.
• الجداول: حظ متفاوت. الشبكات البسيطة تُحوَّل غالباً؛ والخلايا المدمجة والجداول المتداخلة نادراً.
• الرؤوس والتذييلات وأرقام الصفحات: تأتي كنص مهمل يتكرر مع كل «صفحة» — ستحذفها يدوياً.
• حقول النماذج التفاعلية: لا تنجو من أي محوّل. أعد بناءها كنموذج HTML.

وإذا كنت تسير في الاتجاه المعاكس — لديك صفحة ويب وتريدها ملف PDF — فتلك مشكلة محلولة بشكل أفضل بكثير: تحويل HTML إلى PDF.

الأسئلة الشائعة

هل يوجد محوّل PDF إلى HTML مجاني حقاً على الإنترنت؟

توجد محولات تلقائية مجانية، لكن ناتجها كود مولّد — عناصر div مرصوفة وأنماط مضمّنة. الطريق المجاني فعلاً إلى HTML نظيف هو استخراج النص والصور عبر pdfty ‏(مجاناً حتى 20 ميغابايت، 10 عمليات يومياً، بلا تسجيل) وكتابة الكود بنفسك.

ملفي ممسوح ضوئياً — الاستخراج لا يعيد شيئاً. لماذا؟

ملف PDF الممسوح ضوئياً صورٌ لصفحات، بلا طبقة نص داخله. شغّل OCR عليه أولاً؛ بعدها يعمل استخراج النص بشكل طبيعي. بدون OCR، لا يستطيع أي محوّل على وجه الأرض إيجاد نص غير موجود.

هل تنجو الروابط داخل PDF من التحويل؟

‏pdftohtml يحفظ معظم الروابط كوسوم a. أما في مسار الاستخراج وإعادة البناء، فاستخراج النص العادي يسقطها — انسخ الروابط المهمة من PDF يدوياً في أثناء الكتابة.

كيف أخرج الصور بجودتها الكاملة؟

استخدم استخراج الصور — الأداة تسحب الأصول المضمّنة بدلاً من التقاط لقطات للصفحات، فتحصل على الدقة المخزّنة فعلاً في الملف. ثم اضغط الصور للويب قبل النشر.

هل يفهرس Google ملفات PDF أصلاً؟

نعم — Google يفهرس ملفات PDF ويرتّبها. لكن صفحات HTML بالمحتوى نفسه تتفوق عليها باستمرار: تجربة جوال أفضل، وتحميل أسرع، وبنية عناوين حقيقية، وروابط داخلية، وكلها تغذّي الترتيب. إذا كان المحتوى مهماً للبحث، انشره كـ HTML.

هل يستطيع Word تحويل PDF إلى HTML؟

نوعاً ما. يفتح Word كثيراً من ملفات PDF ‏(ملف ← فتح)، ويعيد تدفقها كمستند قابل للتعديل، ويمكنه الحفظ باسم ← صفحة ويب. لكن HTML الذي يخرجه منتفخ بشكل مشهور — يصلح نقطة بداية، لا كوداً للإنتاج.

ماذا عن تحويل PDF إلى Markdown بدلاً من HTML؟

غالباً أذكى. استخرج النص، وأضف صيغة Markdown للعناوين والقوائم (أسرع في الكتابة من الوسوم)، ودَع مولّد موقعك ينتج HTML. نفس مسار الطريقة الأولى بكتابة أقل.

هل ملف PDF المضمّن سيئ لإمكانية الوصول؟

عادةً، نعم. دعم قارئات الشاشة داخل عارضات PDF في المتصفحات غير متسق، وملفات PDF غير الموسومة تُقرأ بشكل سيئ في كل مكان. إذا كانت إمكانية الوصول مهمة، فقدّم المحتوى كـ HTML حقيقي — ولو نسخة مبسطة إلى جانب التضمين.