Convertir HTML en texte
Pages web enregistrées, newsletters, articles d'aide exportés : l'essentiel du fichier est du balisage, et les mots qui vous intéressent sont noyés entre les balises. Ce convertisseur retire le HTML et vous rend un fichier .txt propre, avec uniquement le texte lisible.
Convertisseur de documents
ou déposez Fichiers PDF, DOC, DOCX … ici ·
95 Mo max. par fichier· Jusqu'à 20 fichiers· Supprimés après 30 minutes
Les fichiers sont traités sur nos serveurs et supprimés après 30 minutes.
150 DPI transforme une page A4 en environ 1240 × 1754 px. Utilisez 300 pour l’impression.
Convertit le fichier entier ou seulement certaines pages ou diapositives (fichiers PDF et présentations).
Pages ou diapositives à convertir, p. ex. 1-3, 5, 8-10.
UTF-8 convient à toutes les langues. Choisissez UTF-8 avec BOM si Excel ou le Bloc-notes sous Windows affiche des caractères illisibles ; les anciens encodages ne servent que pour les vieux logiciels.
LF pour macOS, Linux et les éditeurs de code ; CRLF pour les anciens programmes Windows comme le Bloc-notes classique.
La virgule est le standard. Utilisez le point-virgule pour Excel dans les pays où les décimales s’écrivent avec une virgule (Allemagne, France, Brésil).
Fichier Excel à plusieurs feuilles : les convertir toutes (une section ou un fichier par feuille) ou seulement la première.
Comment utiliser cet outil
- 1
Importez les fichiers HTML
Ajoutez jusqu'à 20 fichiers .html ou .htm de 95 Mo maximum chacun, par exemple des pages enregistrées depuis un navigateur ou exportées depuis un CMS ou un outil d'e-mailing.
- 2
Choisissez l'encodage et les fins de ligne
Mise en forme est réglée sur Texte seul, Encodage du texte sur UTF-8 et Fins de ligne sur LF. Choisissez CRLF si le texte est destiné à un ancien programme Windows.
- 3
Convertissez et utilisez le texte
Cliquez sur Convertir en TXT et téléchargez un fichier texte par page, ou un ZIP pour tout le lot.
Quel est le moyen le plus rapide de convertir du HTML en texte brut ?
Importez le fichier .html, laissez Mise en forme sur Texte seul et cliquez sur Convertir en TXT. Vous obtenez un fichier texte UTF-8 avec le contenu lisible et sans aucun balisage.
HTML en texte : quand le balisage vous gêne
Une page d'article classique contient bien plus de balisage, de scripts et de styles que de texte. C'est sans conséquence dans un navigateur, mais gênant partout ailleurs. Mémoires de traduction, index de recherche, prompts de modèles de langage, scripts d'analyse de texte et audits d'accessibilité veulent tous les mots, et chaque balise, style en ligne ou script de suivi qui passe devient du bruit.
Copier depuis la fenêtre du navigateur ne règle rien non plus. Une sélection récupère les menus et les bandeaux de cookies, perd les sauts de paragraphe ou emporte une mise en forme invisible au collage. Convertir le fichier HTML enregistré est reproductible, fonctionne sur vingt pages à la fois et donne le même résultat à chaque fois.
Si vous voulez conserver une partie de la structure, avec des titres et des listes marqués par # et -, choisissez plutôt HTML en Markdown. Pour faire l'inverse et encadrer du texte brut de balises, utilisez TXT en HTML.
Ce que devient chaque partie de la page dans le fichier TXT
| Dans le HTML | Dans le fichier texte |
|---|---|
| Paragraphes et titres | Blocs de texte séparés par des lignes vides |
| Sauts de ligne <br> | Sauts de ligne |
| Éléments de liste | Un élément par ligne |
| Cellules de tableau | Texte des cellules dans l'ordre de lecture, ligne par ligne |
| Liens | Le texte du lien, sans l'adresse |
| & é | &, é et une espace insécable |
| <script>, <style>, commentaires | Supprimés entièrement |
| Images | Supprimées ; une image n'a pas de forme textuelle |
HTML
HyperText Markup Language
HTML est le langage de balisage du web, décrit pour la première fois par Tim Berners-Lee au début des années 1990 et désormais maintenu par le WHATWG comme standard évolutif. Un fichier HTML décrit les titres, paragraphes, liens, tableaux, images et formulaires, tandis que la mise en forme provient en général du CSS. Tous les navigateurs l'affichent, et il sert aussi aux modèles d'e-mails et aux pages web enregistrées. Un fichier HTML seul dépend souvent d'images et de feuilles de style externes, et peut donc sembler cassé s'il est déplacé isolément.
- Compression
- –
- Transparence
- –
- Animation
- –
- Année de création
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Texte brut
Un fichier TXT ne contient que des caractères simples, sans mise en forme, polices, images ni mise en page. Les fichiers texte modernes sont généralement encodés en UTF-8, qui couvre toutes les langues, alors que des fichiers plus anciens peuvent utiliser d'autres encodages et afficher des caractères illisibles. Le texte brut est minuscule, ne devient jamais obsolète et s'ouvre sur tous les appareils, des téléphones aux serveurs. Il ne peut contenir ni texte en gras, ni tableaux, ni images : la structure doit passer par des espaces ou un balisage simple.
- Compression
- –
- Transparence
- –
- Animation
- –
- Année de création
- –
On convertit le HTML en texte brut quand seuls les mots comptent : fournir un article à un outil d'analyse ou de traduction, constituer un corpus de textes, rédiger la partie texte d'un e-mail ou compter les mots sans le balisage.
De 18 balises à un standard évolutif
Comment fonctionne la conversion HTML en TXT
Lire la page
Le fichier est analysé comme le ferait un navigateur, avec le jeu de caractères déclaré par la page.
Retirer le balisage
Les balises, scripts, styles et commentaires disparaissent ; les références de caractères deviennent de vrais caractères.
Écrire le texte
Le texte lisible est enregistré avec l'Encodage du texte et les Fins de ligne de votre choix.
Questions sur la conversion HTML en texte
Comment extraire le texte d'un HTML sans qu'il reste de balises ?
Importez le fichier ici avec Mise en forme sur Texte seul. Les balises, attributs, scripts et feuilles de style sont supprimés, et les références de caractères comme & deviennent les caractères qu'elles représentent.
La conversion HTML en texte conserve-t-elle les adresses des liens ?
Le texte visible du lien reste dans la phrase, mais pas l'URL qui se cache derrière. Si vous avez besoin des adresses, convertissez avec HTML en Markdown, qui écrit les liens sous la forme [texte](url).
Pourquoi des  ou ’ apparaissent-ils dans un texte copié depuis une page web ?
C'est du texte UTF-8 lu comme du Windows-1252, une confusion d'encodage classique. Le convertisseur lit le jeu de caractères déclaré par la page et écrit de l'UTF-8 propre : les guillemets typographiques et les espaces insécables ressortent sous leur forme réelle.
Peut-on compter les mots d'une page web de cette façon ?
Oui. La conversion supprime d'abord le balisage, le code et le texte des scripts masqués, qui gonflent un décompte brut. Supprimez du .txt les lignes de navigation restantes, puis collez-le dans n'importe quel compteur de mots.
Le texte brut convient-il pour la version texte d'une newsletter ?
Oui. De nombreuses plateformes d'e-mailing envoient une partie texte brut avec le HTML, et les clients de messagerie qui ne peuvent ou ne veulent pas afficher le HTML la présentent à la place. Convertissez le HTML de la newsletter, puis ajustez la longueur des lignes avant de le coller dans le champ texte.