HTML naar tekst converteren
Opgeslagen webpagina's, nieuwsbrieven en geëxporteerde helpartikelen bestaan grotendeels uit opmaakcode; de woorden waar het u om gaat, zitten verstopt tussen de tags. Deze converter verwijdert de HTML en levert een schoon .txt-bestand op met alleen de leesbare tekst.
Documentconverter
of sleep PDF, DOC, DOCX …-bestanden hierheen ·
Max. 95 MB per bestand· Tot 20 bestanden· Verwijderd na 30 minuten
Bestanden worden op onze servers verwerkt en na 30 minuten verwijderd.
150 DPI maakt van een A4-pagina ongeveer 1240 × 1754 px. Gebruik 300 om af te drukken.
Converteer het hele bestand of alleen enkele pagina's of dia's (PDF- en presentatie-invoer).
Pagina's of dia's om te converteren, bijv. 1-3, 5, 8-10.
UTF-8 werkt voor alle talen. Kies UTF-8 met BOM als Excel of Kladblok op Windows onleesbare tekens toont; oude coderingen alleen voor oude software.
LF voor macOS, Linux en code-editors; CRLF voor oudere Windows-programma's zoals het klassieke Kladblok.
Komma is de standaard. Gebruik puntkomma voor Excel in landen waar decimalen met een komma worden geschreven (Nederland, Duitsland, Frankrijk, Brazilië).
Excel-invoer met meerdere bladen: converteer ze allemaal (één sectie of bestand per blad) of alleen het eerste.
Zo gebruikt u deze tool
- 1
Upload de HTML-bestanden
Voeg maximaal 20 .html- of .htm-bestanden van elk maximaal 95 MB toe, bijvoorbeeld pagina's die u in een browser hebt opgeslagen of hebt geëxporteerd uit een CMS of e-mailtool.
- 2
Kies tekencodering en regeleinden
Opmaak staat op Alleen tekst, Tekstcodering op UTF-8 en Regeleinden op LF. Kies CRLF als de tekst in een oud Windows-programma terechtkomt.
- 3
Converteer en gebruik de tekst
Klik op Converteren naar TXT en download één tekstbestand per pagina, of een ZIP voor de hele batch.
Wat is de snelste manier om HTML om te zetten naar platte tekst?
Upload het .html-bestand, laat Opmaak op Alleen tekst staan en klik op Converteren naar TXT. U krijgt een UTF-8-tekstbestand met de leesbare inhoud en zonder opmaak.
HTML naar tekst: als de opmaak in de weg zit
Een gewone artikelpagina bevat veel meer opmaak, script en styling dan tekst. In een browser is dat prima, overal elders is het een probleem. Vertaalgeheugens, zoekindexen, prompts voor taalmodellen, tekstanalysescripts en toegankelijkheidscontroles willen allemaal de woorden, en elke tag, inline stijl of trackingscript die erdoor glipt wordt ruis.
Kopiëren vanuit het browservenster lost dat ook niet op. Een selectie neemt menu's en cookiemeldingen mee, verliest alinea-einden of sleept onzichtbare opmaak mee bij het plakken. Het opgeslagen HTML-bestand converteren is herhaalbaar, werkt voor twintig pagina's tegelijk en geeft elke keer dezelfde uitvoer.
Wilt u wat structuur behouden, zoals koppen en lijsten met # en -, kies dan HTML naar Markdown. Wilt u de andere kant op en platte tekst in opmaak verpakken, gebruik dan TXT naar HTML.
Wat elk onderdeel van de pagina wordt in het TXT-bestand
| In de HTML | In het tekstbestand |
|---|---|
| Alinea's en koppen | Tekstblokken gescheiden door lege regels |
| <br>-regeleinden | Regeleinden |
| Lijstitems | Eén item per regel |
| Tabelcellen | Celtekst in leesvolgorde, rij voor rij |
| Links | De linktekst, zonder het adres |
| & é (entiteiten) | &, é en een harde spatie |
| <script>, <style>, opmerkingen | Volledig verwijderd |
| Afbeeldingen | Verwijderd; beelden hebben geen tekstvorm |
HTML
HyperText Markup Language
HTML is de opmaaktaal van het web, begin jaren negentig voor het eerst beschreven door Tim Berners-Lee en nu door WHATWG onderhouden als doorlopende standaard. Een HTML-bestand beschrijft koppen, alinea's, links, tabellen, afbeeldingen en formulieren, terwijl de opmaak meestal uit CSS komt. Elke browser geeft het weer, en het wordt ook gebruikt voor e-mailsjablonen en opgeslagen webpagina's. Een los HTML-bestand is vaak afhankelijk van externe afbeeldingen en stijlbladen, dus het kan er kapot uitzien als u het alleen verplaatst.
- Compressie
- –
- Transparantie
- –
- Animatie
- –
- Geïntroduceerd
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Platte tekst
Een TXT-bestand bevat alleen gewone tekens, zonder opmaak, lettertypen, afbeeldingen of lay-out. Moderne tekstbestanden zijn meestal gecodeerd in UTF-8, dat alle talen dekt, al kunnen oudere bestanden een andere codering gebruiken en onleesbare tekens tonen. Platte tekst is piepklein, veroudert nooit en opent op elk apparaat, van telefoon tot server. Het kan geen vetgedrukte tekst, tabellen of afbeeldingen bevatten, dus structuur moet worden uitgedrukt met witruimte of eenvoudige opmaaktaal.
- Compressie
- –
- Transparantie
- –
- Animatie
- –
- Geïntroduceerd
- –
HTML wordt tot platte tekst teruggebracht als alleen de woorden tellen: een artikel invoeren in een analyse- of vertaaltool, een tekstcorpus opbouwen, het platte deel van een e-mail schrijven of woorden tellen zonder de opmaak.
Van 18 tags naar een levende standaard
Zo werkt het omzetten van HTML naar TXT
De pagina lezen
Het bestand wordt verwerkt zoals een browser dat doet, met de tekenset die de pagina opgeeft.
De opmaak weghalen
Tags, scripts, stijlen en opmerkingen verdwijnen; tekenverwijzingen worden echte tekens.
De tekst schrijven
De leesbare tekst wordt opgeslagen in uw Tekstcodering met de Regeleinden van uw keuze.
Vragen over HTML naar tekst
Hoe haal ik tekst uit HTML zonder dat er tags overblijven?
Upload het bestand hier met Opmaak op Alleen tekst. Tags, attributen, scripts en stijlbladen worden verwijderd en tekenverwijzingen zoals & worden de tekens die ze voorstellen.
Behoudt de HTML-naar-tekstconverter de linkadressen?
De zichtbare linktekst blijft in de zin staan, de URL erachter niet. Hebt u de adressen nodig, converteer dan met HTML naar Markdown, dat links schrijft als [tekst](url).
Waardoor ontstaan  of ’ in tekst die van een webpagina is gekopieerd?
Dat is UTF-8-tekst die als Windows-1252 wordt gelezen, een klassieke verwarring van codering. De converter leest de door de pagina opgegeven tekenset en schrijft schone UTF-8, zodat gekrulde aanhalingstekens en harde spaties als de echte tekens verschijnen.
Kan ik op deze manier de woorden op een webpagina tellen?
Ja. Door eerst te converteren verdwijnen opmaak, code en verborgen scripttekst die een ruwe telling opblazen. Verwijder overgebleven navigatieregels uit de .txt en plak de tekst daarna in een willekeurige woordenteller.
Is platte tekst het juiste formaat voor de tekstversie van een nieuwsbrief?
Ja. Veel e-mailplatforms versturen naast de HTML een platte-tekstversie, en mailprogramma's die geen HTML kunnen of willen tonen, laten die zien. Converteer de HTML van de nieuwsbrief en pas de regellengtes aan voordat u de tekst in het tekstveld plakt.