PDFをHTMLに変換した直後は、ブラウザーで一見問題なく開けることがあります。ですが、実際の不具合は表の列ずれ、画像の欠落、関連ファイルへの参照ミスとして後から見つかることが少なくありません。本文テキストが読めても、表の比較ができなかったり、フォルダー移動後に画像が消えたりすると、公開用のHTMLとしては使いにくくなります。
この記事では、PDFをHTMLに変換したあとの確認作業に絞って、表・画像・アセットパスをどう見ればよいかを実践的にまとめます。読み順の調整や、固定レイアウトと意味構造の比較ではなく、エクスポート後の成果物が使える状態かどうかを見極めるための観点です。関連する案内ページとしては、SanreaderのPDFをHTMLに変換に関する情報ページも参照できます。
まずは実務に近い出力一式を用意する
確認用の題材は、1ページだけの単純な見本ではなく、実務に近いPDFが向いています。特に次の要素が入った文書だと、問題を見つけやすくなります。
- 表紙やロゴ入りの先頭ページ
- 2ページ以上にわたる表中心の箇所
- 本文中に差し込まれた画像とキャプション
- ヘッダーやフッターの繰り返し
- グラフや画面キャプチャ
- HTML本体と画像フォルダーを含む出力フォルダー
たとえば、四半期の業務報告書をPDFからHTMLへ書き出した場面を想定します。出力一式には次のような構成がありえます。
report.htmlimagesフォルダー- グラフやロゴのPNGファイル
- 結合セルを含む表の多いページ
この段階では、report.html が開いただけで成功と判断しないことが大切です。確認したいのは、表示できるかどうかではなく、移動後も壊れず、受け渡し先でも使えるかどうかです。
表は本文より先に確認する
PDFをHTMLに変換した結果を評価するとき、表は不具合が最も見つかりやすい箇所です。本文の余白や改行が多少ずれていても読める場合はありますが、表の構造が壊れると数値比較そのものが難しくなります。
表は次の順で見ると効率的です。
- 行数と列数を比べる:元のPDFと見比べ、列が増減していないか確認します。
- 結合セルを確認する:見出し帯、合計行、左端の分類欄が分割されていないか見ます。
- 配置を確認する:数値の右寄せが崩れると、横比較や縦比較がしにくくなります。
- 折り返しの影響を見る:長い項目名が隣のセルに食い込んでいないか確認します。
- 罫線や網掛けの意味を確かめる:装飾よりも、区切りの意味が保たれているかを優先します。
- 画面幅を狭めてみる:幅を縮めたときに表が切れたり、読めなくなったりしないかを見ます。
実務上の目安は単純です。行方向でも列方向でも、値を迷わず追えないなら、その表は修正対象です。文字列がどこかに残っていても、比較できなければ十分ではありません。
画像はファイル本体と参照先の両方を見る
画像の問題は、大きく分けて二つあります。画像ファイル自体が欠けている場合と、HTML側の参照先が間違っている場合です。どちらか一方だけ見ても見落としが出ます。
まずはファイル側を確認します。
- 必要な画像ファイルがアセットフォルダーに揃っているか
- 数個を直接開いて、破損していないか
- グラフが細かい断片に分割されすぎていないか
- 同じロゴが不要に重複していないか
次に、HTMLからの見え方を確認します。
- ブラウザー上で元PDFと図版数を照合する
- 画像の欠落を示す表示が出ていないか
- キャプションが正しい図に対応しているか
- 背景要素が前面画像として扱われていないか
よくあるのは、画像ファイルは存在するのに、順番違いで参照されるケースです。似たグラフが並ぶ報告書では特に気づきにくいため、図番号やキャプションとの対応を丁寧に確認したほうが安全です。
フォルダー移動後のアセットパスを必ず試す
PDFをHTMLに変換した出力は、作成した端末では問題なく見えても、別の場所へ移した途端に崩れることがあります。その原因として多いのが、絶対パスや不安定な相対パスです。
移動耐性は、次の手順で確認できます。
- HTMLとアセットを新しい空のフォルダーにまとめる
- その状態でHTMLを開き、画像が出るか確認する
- 親フォルダー名を変更して再度開く
- 別の階層へ移動してもう一度確認する
- 公開予定があるなら、公開先に近い環境でも確認する
特に見たい不具合は次の通りです。
- 絶対パス参照:特定のドライブやユーザー名に依存している
- 区切り記号の混在:環境によって解釈が変わる
- 大文字小文字の不一致:参照名と実ファイル名が食い違う
- 空白や記号の扱い:文字コード処理の差で読めなくなる
- 想定外の深いフォルダー構成:参照先が過剰に複雑になる
フォルダー名を変えただけで画像が消えるなら、その出力はまだ受け渡し向きではありません。HTMLから見た相対参照が安定していることが重要です。
短いチェック表で見落としを減らす
確認項目を文章だけで覚えるのは大変なので、短い表にしておくと便利です。
| 確認箇所 | 見る内容 | 問題なしの目安 | よくある不具合 |
|---|---|---|---|
| 表の構造 | 行数・列数がPDFと一致するか | 行列の比較が自然にできる | セルの分割、列ずれ |
| 表見出し | 複数行見出しが正しい列に対応するか | 見出しの意味が維持される | 見出しが横に流れる |
| 画像 | 必要な図版が揃っているか | 欠落表示がない | ファイル不足、破損 |
| キャプション | 正しい図に対応しているか | 図と説明の組み合わせが正しい | 図と説明の取り違え |
| アセットパス | 移動後も表示できるか | 別の場所でも同じように開ける | 絶対パス依存、相対参照不良 |
| 出力一式 | HTMLと関連ファイルがまとまっているか | 他環境へ渡しやすい | 元端末への依存 |
この程度の簡易表でも、公開前に困りやすい不具合はかなり拾えます。
具体例で確認の流れを整理する
たとえば、元PDFの4ページ目に月次実績表と、その下に2つのグラフがあるとします。HTML化したあとに確認すると、次のような状態が見つかることがあります。
- PDFでは3列の見出しなのに、HTMLでは4区画に見える
- 「合計」の結合セルが分かれ、値が別の月の下に入っている
- 1つ目のグラフは表示されるが、2つ目は欠落表示になる
- 欠落した画像ファイル自体は存在するが、HTMLでは
Images/chart-2.pngを参照しており、実際のフォルダー名はimagesになっている - 出力フォルダー名を変更したら、ロゴだけ消えた。調べると絶対パス参照だった
このように分けて把握すると、「レイアウトが崩れている」とひとまとめにするより、対応がはっきりします。少なくとも次の3系統に分けて記録できます。
- 表構造の修正
- 画像参照の修正
- アセットパスの正規化
確認結果は曖昧にせず、「列が一つ増えた」「結合セルが分割された」「相対パスが誤っている」のように具体的に残すと、修正担当者にも伝わりやすくなります。
確認作業だけでは解決しきれない限界もある
事後チェックは不具合発見には有効ですが、どんなPDFでもそのまま整ったHTMLになるとは限りません。特に難しいのは次のような文書です。
- 信頼できるテキスト層がないスキャンPDF
- 結合セルが多い密な数表
- 微細なベクター要素で組まれた図版
- 文字と図形が意図的に重なるページ
- 再利用しやすい構造より見た目を優先した出力
また、検索結果でPDFをHTMLに変換への関心が高いことは分かっても、それだけで個別の案内ページやサービスの機能が確認できるわけではありません。案内ページは情報提供用である場合もあるため、実際の運用では手元の文書で検証する姿勢が必要です。
引き渡し前の最終確認手順
最後に、承認前の確認手順を短くまとめます。
- 表が多いページを少なくとも2ページ分、元PDFと見比べる
- 必要な画像数を数え、すべて表示されるか確認する
- 出力一式を一度リネームまたは移動して、参照切れが起きないか見る
- 利用環境上必要なら、複数のブラウザーでも開いてみる
- 指摘は「表の分割」「画像欠落」「相対パス不良」など具体名で残す
PDFをHTMLに変換した結果の確認で重要なのは、細部が完全に一致しているかだけではありません。表が比較できること、画像が揃っていること、関連ファイルの参照が移動後も安定していること。この3点が保たれていれば、実用性の高いHTMLとして扱いやすくなります。