تحويل HTML إلى نص
صفحات الويب المحفوظة والنشرات البريدية ومقالات المساعدة المصدّرة تتكون في معظمها من الترميز، والكلمات التي تهمك مدفونة بين الوسوم. تزيل هذه الأداة شيفرة HTML وتعيد إليك ملف .txt نظيفًا لا يحتوي إلا على النص المقروء.
محوّل المستندات
أو أفلت ملفات PDF, DOC, DOCX … هنا ·
الحد الأقصى 95 MB لكل ملف· حتى 20 ملفًا· تُحذف بعد 30 دقيقة
تُعالج الملفات على خوادمنا وتُحذف بعد 30 دقيقة.
تحوّل دقة 150 DPI صفحة A4 إلى نحو 1240 × 1754 px. استخدم 300 للطباعة.
حوّل الملف كاملًا أو بعض الصفحات أو الشرائح فقط (لمدخلات PDF والعروض التقديمية).
الصفحات أو الشرائح المراد تحويلها، مثل 1-3, 5, 8-10.
يعمل UTF-8 مع جميع اللغات. اختر UTF-8 with BOM إذا عرض Excel أو Notepad على Windows حروفًا مشوّهة؛ والترميزات القديمة للبرامج القديمة فقط.
LF لأنظمة macOS وLinux ومحررات الأكواد؛ وCRLF لبرامج Windows الأقدم مثل Notepad الكلاسيكي.
الفاصلة هي المعيار. استخدم الفاصلة المنقوطة مع Excel في البلدان التي تكتب الكسور العشرية بفاصلة (ألمانيا وفرنسا والبرازيل).
لمدخلات Excel ذات الأوراق المتعددة: حوّلها كلها (قسم أو ملف لكل ورقة) أو الأولى فقط.
طريقة استخدام هذه الأداة
- 1
ارفع ملفات HTML
أضف حتى 20 ملف .html أو .htm بحجم يصل إلى 95 MB لكل ملف، مثل الصفحات المحفوظة من المتصفح أو المصدّرة من نظام إدارة المحتوى أو أداة البريد الإلكتروني.
- 2
اختر الترميز ونهايات الأسطر
يكون التنسيق على نص فقط، وترميز النص على UTF-8، ونهايات الأسطر على LF. اختر CRLF إذا كان النص سيُستخدم في برنامج قديم على Windows.
- 3
حوّل الملفات واستعمل النص
اضغط التحويل إلى TXT ثم نزّل ملفًا نصيًا لكل صفحة، أو ملف ZIP للدفعة كاملة.
ما أسرع طريقة لتحويل HTML إلى نص عادي؟
ارفع ملف .html وأبقِ التنسيق على نص فقط ثم اضغط التحويل إلى TXT. تحصل على ملف نصي بترميز UTF-8 يضم المحتوى المقروء دون أي وسوم.
تحويل HTML إلى نص: حين يصبح الترميز عائقًا
تحتوي صفحة المقال المعتادة على وسوم وسكربتات وأنماط أكثر بكثير من النص نفسه. هذا مقبول في المتصفح لكنه مشكلة في أي مكان آخر. فذاكرات الترجمة وفهارس البحث وأوامر نماذج اللغة وسكربتات تحليل النصوص ومراجعات إمكانية الوصول كلها تحتاج إلى الكلمات، وكل وسم أو نمط مضمّن أو سكربت تتبّع يتسرب يصبح ضوضاء.
والنسخ من نافذة المتصفح لا يحل المشكلة أيضًا. فالتحديد يلتقط القوائم وإشعارات ملفات تعريف الارتباط، ويفقد فواصل الفقرات أو يجلب تنسيقًا خفيًا عند اللصق. أما تحويل ملف HTML المحفوظ فيمكن تكراره، ويعمل على عشرين صفحة دفعة واحدة، ويعطي المخرجات نفسها في كل مرة.
إذا أردت أن يبقى بعض البنية، كالعناوين والقوائم المعلّمة بـ # و-، فاختر HTML إلى Markdown بدلًا من ذلك. وللاتجاه المعاكس، أي تغليف النص العادي بوسوم، استخدم TXT إلى HTML.
ما الذي يتحول إليه كل جزء من الصفحة في ملف TXT
| في HTML | في ملف النص |
|---|---|
| الفقرات والعناوين | كتل نصية تفصل بينها أسطر فارغة |
| فواصل الأسطر <br> | فواصل أسطر |
| عناصر القوائم | عنصر واحد في كل سطر |
| خلايا الجداول | نص الخلايا بترتيب القراءة، صفًا بصف |
| الروابط | نص الرابط دون العنوان |
| &، é، | &، é ومسافة غير قابلة للكسر |
| <script>, <style>, التعليقات | تُزال بالكامل |
| الصور | تُزال؛ فالصور ليس لها شكل نصي |
HTML
لغة ترميز النص التشعبي (HTML)
HTML هي لغة ترميز الويب، وصفها Tim Berners-Lee أول مرة في أوائل التسعينيات، وتتولى WHATWG صيانتها اليوم كمعيار حي. يصف ملف HTML العناوين والفقرات والروابط والجداول والصور والنماذج، بينما يأتي التنسيق البصري عادةً من CSS. تعرضه كل المتصفحات، ويُستخدم أيضًا في قوالب البريد والصفحات المحفوظة. وغالبًا يعتمد ملف HTML الواحد على صور وأوراق أنماط خارجية، فقد يبدو معطوبًا عند نقله وحده.
- الضغط
- –
- الشفافية
- –
- الحركة
- –
- سنة الظهور
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
نص عادي
ملف TXT لا يحتوي إلا على أحرف عادية دون تنسيق أو خطوط أو صور أو تخطيط. تُرمَّز ملفات النص الحديثة عادةً بـ UTF-8 الذي يشمل كل اللغات، وقد تستخدم الملفات الأقدم ترميزات أخرى فتظهر أحرف مشوّهة. النص العادي صغير جدًا ولا يتقادم ويُفتح على كل جهاز من الهواتف إلى الخوادم. لا يحتمل نصًا غامقًا ولا جداول ولا صورًا، فتُعبَّر البنية بالمسافات أو بترميز بسيط.
- الضغط
- –
- الشفافية
- –
- الحركة
- –
- سنة الظهور
- –
يُحوَّل HTML إلى نص عادي عندما تهمّ الكلمات وحدها: تمرير مقال إلى أداة تحليل أو ترجمة، أو بناء مدونة نصية، أو كتابة الجزء النصي من رسالة بريد، أو عدّ الكلمات دون الوسوم.
من 18 وسمًا إلى معيار حيّ متجدد
كيف يعمل تحويل HTML إلى TXT
قراءة الصفحة
يُحلَّل الملف بالطريقة التي يحلله بها المتصفح، باستخدام مجموعة الأحرف التي تعلنها الصفحة.
حذف الوسوم
تُحذف الوسوم والسكربتات والأنماط والتعليقات، وتتحول مراجع الأحرف إلى أحرف حقيقية.
كتابة النص
يُحفظ النص المقروء وفق ترميز النص الذي اخترته مع نهايات الأسطر التي تحددها.
أسئلة حول تحويل HTML إلى نص
كيف أستخرج النص من HTML دون أن تبقى أي وسوم؟
ارفع الملف هنا مع ضبط التنسيق على نص فقط. تُزال الوسوم والسمات والسكربتات وأوراق الأنماط، وتتحول مراجع الأحرف مثل & إلى الأحرف التي تمثلها.
هل يحتفظ تحويل HTML إلى نص بعناوين الروابط؟
يبقى نص الرابط المرئي داخل الجملة، أما عنوان URL خلفه فلا يبقى. إذا احتجت إلى العناوين فحوّل الملف باستخدام HTML إلى Markdown الذي يكتب الروابط بالشكل [text](url).
ما سبب ظهور  أو ’ في النص المنسوخ من صفحة ويب؟
هذا نص UTF-8 تُمّت قراءته على أنه Windows-1252، وهو خلط شائع في الترميز. يقرأ المحوّل مجموعة الأحرف المعلنة في الصفحة ويكتب UTF-8 سليمًا، فتظهر علامات الاقتباس المنحنية والمسافات غير القابلة للكسر كأحرف حقيقية.
هل يمكنني عدّ كلمات صفحة ويب بهذه الطريقة؟
نعم. التحويل أولًا يزيل الوسوم والشيفرة ونصوص السكربت المخفية التي تضخّم العدّ الخام. احذف أسطر التنقل المتبقية من ملف .txt ثم الصقه في أي عدّاد كلمات.
هل النص العادي هو الصيغة المناسبة للنسخة النصية من النشرة البريدية؟
نعم. تُرسل كثير من منصات البريد جزءًا نصيًا عاديًا إلى جانب HTML، وتعرضه برامج البريد التي لا تستطيع عرض HTML أو لا تريد ذلك. حوّل HTML الخاص بالنشرة، ثم نسّق أطوال الأسطر قبل لصقه في حقل النص.