Convertitore da HTML a testo
Pagine web salvate, newsletter e articoli di guida esportati sono fatti soprattutto di markup; le parole che interessano restano sepolte tra i tag. Questo convertitore elimina l'HTML e restituisce un file .txt pulito con il solo testo leggibile.
Convertitore di documenti
oppure trascina qui File PDF, DOC, DOCX … ·
Max 95 MB per file· Fino a 20 file· Eliminati dopo 30 minuti
I file vengono elaborati sui nostri server ed eliminati dopo 30 minuti.
150 DPI trasformano una pagina A4 in circa 1240 × 1754 px. Usare 300 per la stampa.
Converte l'intero file o solo alcune pagine o diapositive (per file PDF e presentazioni).
Pagine o diapositive da convertire, ad es. 1-3, 5, 8-10.
UTF-8 funziona per tutte le lingue. Scegliere UTF-8 con BOM se Excel o Blocco note su Windows mostrano caratteri illeggibili; le codifiche obsolete servono solo per software datato.
LF per macOS, Linux ed editor di codice; CRLF per programmi Windows meno recenti come il classico Blocco note.
La virgola è lo standard. Usare il punto e virgola per Excel nei paesi che scrivono i decimali con la virgola (Germania, Francia, Brasile, Italia).
File Excel con più fogli: converte tutti i fogli (una sezione o un file per foglio) oppure solo il primo.
Come usare questo strumento
- 1
Caricare i file HTML
Aggiungere fino a 20 file .html o .htm di massimo 95 MB ciascuno, ad esempio pagine salvate da un browser o esportate da un CMS o da uno strumento di posta.
- 2
Scegliere codifica e fine riga
Formattazione è impostata su Solo testo, Codifica del testo su UTF-8 e Fine riga su LF. Scegliere CRLF se il testo va in un vecchio programma Windows.
- 3
Convertire e usare il testo
Premere Converti in TXT e scaricare un file di testo per ogni pagina, oppure uno ZIP per l'intero gruppo.
Qual è il modo più veloce per trasformare HTML in testo semplice?
Caricare il file .html, lasciare Formattazione su Solo testo e premere Converti in TXT. Si ottiene un file di testo UTF-8 con il contenuto leggibile e senza markup.
Da HTML a testo: quando il markup è d'intralcio
Una tipica pagina di articolo contiene molto più markup, script e stili che testo. In un browser va bene, ovunque altrove è un problema. Memorie di traduzione, indici di ricerca, prompt per modelli linguistici, script di analisi del testo e verifiche di accessibilità vogliono le parole, e ogni tag, stile inline o script di tracciamento che passa diventa rumore.
Nemmeno copiare dalla finestra del browser risolve il problema. Una selezione include menu e avvisi sui cookie, perde le interruzioni di paragrafo o porta con sé formattazione invisibile all'incolla. Convertire il file HTML salvato è ripetibile, funziona su venti pagine insieme e dà ogni volta lo stesso risultato.
Per mantenere un po' di struttura, con titoli ed elenchi segnati da # e -, scegliere invece HTML in Markdown. Per fare l'opposto e racchiudere il testo semplice in markup, usare TXT in HTML.
Cosa diventa ogni parte della pagina nel file TXT
| Nell'HTML | Nel file di testo |
|---|---|
| Paragrafi e titoli | Blocchi di testo separati da righe vuote |
| A capo <br> | A capo |
| Voci di elenco | Una voce per riga |
| Celle di tabella | Testo delle celle in ordine di lettura, riga per riga |
| Link | Il testo del link, senza l'indirizzo |
| & é | &, é e uno spazio non separabile |
| <script>, <style>, commenti | Rimossi del tutto |
| Immagini | Rimosse; le immagini non hanno una forma testuale |
HTML
HyperText Markup Language
HTML è il linguaggio di markup del web, descritto per la prima volta da Tim Berners-Lee all'inizio degli anni 1990 e oggi gestito da WHATWG come standard in continua evoluzione. Un file HTML descrive titoli, paragrafi, link, tabelle, immagini e moduli, mentre lo stile deriva di solito dai CSS. Ogni browser lo visualizza, ed è usato anche per i modelli di email e le pagine web salvate. Un singolo file HTML spesso dipende da immagini e fogli di stile esterni, quindi può apparire danneggiato se spostato da solo.
- Compressione
- –
- Trasparenza
- –
- Animazione
- –
- Introdotto
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Testo semplice
Un file TXT contiene solo caratteri semplici, senza formattazione, font, immagini o impaginazione. I file di testo moderni sono in genere codificati in UTF-8, che copre tutte le lingue, mentre quelli più vecchi possono usare altre codifiche e mostrare caratteri illeggibili. Il testo semplice è minuscolo, non diventa mai obsoleto e si apre su qualsiasi dispositivo, dagli smartphone ai server. Non può contenere grassetto, tabelle o immagini, quindi la struttura va espressa con la spaziatura o con un semplice markup.
- Compressione
- –
- Trasparenza
- –
- Animazione
- –
- Introdotto
- –
L'HTML si riduce a testo semplice quando contano solo le parole: per dare un articolo a uno strumento di analisi o traduzione, creare un corpus di testi, scrivere la parte in solo testo di un'email o contare le parole senza markup.
Da 18 tag a uno standard in continua evoluzione
Come funziona la conversione da HTML a TXT
Lettura della pagina
Il file viene analizzato come lo analizza un browser, con il charset dichiarato dalla pagina.
Eliminazione del markup
Tag, script, stili e commenti vengono eliminati; i riferimenti ai caratteri diventano caratteri reali.
Scrittura del testo
Il testo leggibile viene salvato con la Codifica del testo e i Fine riga scelti.
Domande sulla conversione da HTML a testo
Come si estrae il testo da un HTML senza lasciare tag?
Caricare qui il file con Formattazione su Solo testo. Tag, attributi, script e fogli di stile vengono rimossi e i riferimenti ai caratteri, come &, diventano i caratteri che rappresentano.
Il convertitore da HTML a testo conserva gli indirizzi dei link?
Il testo visibile del link resta nella frase, mentre l'URL no. Se servono gli indirizzi, convertire con HTML in Markdown, che scrive i link come [testo](url).
Perché compaiono  o ’ nel testo copiato da una pagina web?
È testo UTF-8 letto come Windows-1252, un classico errore di codifica. Il convertitore legge il charset dichiarato dalla pagina e scrive UTF-8 pulito, così virgolette tipografiche e spazi non separabili escono come caratteri reali.
In questo modo si possono contare le parole di una pagina web?
Sì. Convertire prima elimina markup, codice e testo di script nascosto che gonfiano un conteggio grezzo. Eliminare dal .txt le righe di navigazione rimaste, poi incollarlo in qualsiasi contatore di parole.
Il testo semplice è il formato giusto per la versione testuale di una newsletter?
Sì. Molte piattaforme email inviano una parte in solo testo insieme all'HTML, e i client di posta che non possono o non vogliono mostrare l'HTML la usano al suo posto. Convertire l'HTML della newsletter, poi sistemare la lunghezza delle righe prima di incollarla nel campo di testo.