Konwerter HTML na tekst
Zapisane strony internetowe, newslettery i wyeksportowane artykuły pomocy to głównie znaczniki, a potrzebne słowa giną między tagami. Ten konwerter usuwa kod HTML i zwraca czysty plik .txt z samym czytelnym tekstem.
Konwerter dokumentów
lub upuść Pliki PDF, DOC, DOCX … tutaj ·
Maks. 95 MB na plik· Do 20 plików· Usuwane po 30 min
Pliki są przetwarzane na naszych serwerach i usuwane po 30 min.
150 DPI zamienia stronę A4 na około 1240 × 1754 px. Do druku użyj 300.
Przekonwertuj cały plik lub tylko wybrane strony albo slajdy (dla plików PDF i prezentacji).
Strony lub slajdy do konwersji, np. 1-3, 5, 8-10.
UTF-8 obsługuje wszystkie języki. Wybierz UTF-8 z BOM, jeśli Excel lub Notatnik w Windows pokazuje nieprawidłowe znaki; starsze kodowania tylko dla starego oprogramowania.
LF dla macOS, Linuksa i edytorów kodu; CRLF dla starszych programów Windows, takich jak klasyczny Notatnik.
Standardem jest przecinek. Użyj średnika dla Excela w krajach, gdzie część dziesiętną zapisuje się po przecinku (Niemcy, Francja, Brazylia, Polska).
Plik Excel z kilkoma arkuszami: przekonwertuj wszystkie (jedna sekcja lub plik na arkusz) albo tylko pierwszy.
Jak korzystać z narzędzia
- 1
Prześlij pliki HTML
Dodaj maksymalnie 20 plików .html lub .htm, każdy do 95 MB, na przykład stron zapisanych z przeglądarki albo wyeksportowanych z CMS-a lub narzędzia do poczty.
- 2
Wybierz kodowanie i znaki końca wiersza
Opcja Formatowanie jest ustawiona na Tylko tekst, Kodowanie tekstu na UTF-8, a Znaki końca wiersza na LF. Wybierz CRLF, jeśli tekst trafi do starego programu dla Windows.
- 3
Konwertuj i użyj tekstu
Kliknij Konwertuj na TXT i pobierz po jednym pliku tekstowym dla każdej strony albo plik ZIP z całą partią.
Jak najszybciej zamienić HTML na zwykły tekst?
Prześlij plik .html, zostaw Formatowanie na Tylko tekst i kliknij Konwertuj na TXT. Otrzymasz plik tekstowy UTF-8 z czytelną treścią i bez znaczników.
HTML na tekst: gdy znaczniki przeszkadzają
Typowa strona z artykułem zawiera znacznie więcej znaczników, skryptów i stylów niż samego tekstu. W przeglądarce to bez znaczenia, ale gdzie indziej jest kłopotem. Pamięci tłumaczeniowe, indeksy wyszukiwania, prompty dla modeli językowych, skrypty analizy tekstu i audyty dostępności potrzebują słów, a każdy znacznik, styl wewnętrzny czy skrypt śledzący, który się przedostanie, staje się szumem.
Kopiowanie z okna przeglądarki też tego nie rozwiązuje. Zaznaczenie łapie menu i komunikaty o cookies, gubi podziały akapitów albo wnosi niewidoczne formatowanie po wklejeniu. Konwersja zapisanego pliku HTML jest powtarzalna, działa na dwudziestu stronach naraz i za każdym razem daje ten sam wynik.
Jeśli ma zostać część struktury, czyli nagłówki i listy oznaczone # i -, wybierz zamiast tego HTML do Markdown. Aby zrobić odwrotnie i opakować zwykły tekst w znaczniki, użyj TXT do HTML.
Co dzieje się z każdą częścią strony w pliku TXT
| W HTML | W pliku tekstowym |
|---|---|
| Akapity i nagłówki | Bloki tekstu oddzielone pustymi wierszami |
| Podziały wiersza <br> | Podziały wiersza |
| Elementy listy | Jeden element w wierszu |
| Komórki tabeli | Tekst komórek w kolejności czytania, wiersz po wierszu |
| Odnośniki | Tekst odnośnika, bez adresu |
| &, é i | &, é i twarda spacja |
| <script>, <style>, komentarze | Usuwane w całości |
| Obrazy | Usuwane; obrazy nie mają postaci tekstowej |
HTML
HyperText Markup Language
HTML to język znaczników sieci WWW, opisany po raz pierwszy przez Tima Bernersa-Lee na początku lat 90., a obecnie rozwijany przez WHATWG jako żywy standard. Plik HTML opisuje nagłówki, akapity, odnośniki, tabele, obrazy i formularze, a stylizacja zwykle pochodzi z CSS. Renderuje go każda przeglądarka, a używa się go też w szablonach e-maili i zapisanych stronach. Pojedynczy plik HTML często zależy od zewnętrznych obrazów i arkuszy stylów, więc po przeniesieniu osobno może wyglądać na zepsuty.
- Kompresja
- –
- Przezroczystość
- –
- Animacja
- –
- Rok powstania
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Zwykły tekst
Plik TXT zawiera wyłącznie zwykłe znaki, bez formatowania, czcionek, obrazów i układu strony. Współczesne pliki tekstowe są zwykle kodowane w UTF-8, który obejmuje wszystkie języki, choć starsze pliki mogą używać innych kodowań i wyświetlać krzaczki. Zwykły tekst jest bardzo mały, nigdy się nie starzeje i otwiera się na każdym urządzeniu, od telefonów po serwery. Nie może zawierać pogrubień, tabel ani obrazów, więc strukturę trzeba wyrażać odstępami lub prostym znacznikowaniem.
- Kompresja
- –
- Przezroczystość
- –
- Animacja
- –
- Rok powstania
- –
HTML zamienia się na zwykły tekst, gdy liczą się tylko słowa: przy przekazywaniu artykułu do narzędzia analitycznego lub tłumaczeniowego, budowaniu korpusu tekstów, pisaniu tekstowej części wiadomości e-mail albo liczeniu słów bez znaczników.
Od 18 znaczników do żywego standardu
Jak działa konwersja HTML do TXT
Odczyt strony
Plik jest analizowany tak jak w przeglądarce, z użyciem zestawu znaków zadeklarowanego na stronie.
Usunięcie znaczników
Znaczniki, skrypty, style i komentarze znikają, a odwołania do znaków zamieniają się w prawdziwe znaki.
Zapis tekstu
Czytelny tekst jest zapisywany w wybranym Kodowaniu tekstu i z wybranymi Znakami końca wiersza.
Pytania o konwersję HTML na tekst
Jak wyciągnąć tekst z HTML, żeby nie zostały żadne znaczniki?
Prześlij plik tutaj, zostawiając Formatowanie na Tylko tekst. Znaczniki, atrybuty, skrypty i arkusze stylów są usuwane, a odwołania do znaków, takie jak &, zamieniają się w znaki, które oznaczają.
Czy konwerter HTML na tekst zachowuje adresy linków?
Widoczny tekst odnośnika zostaje w zdaniu, a adres URL, który za nim stoi, nie. Jeśli potrzebujesz adresów, użyj konwersji HTML do Markdown, która zapisuje odnośniki jako [tekst](url).
Skąd biorą się znaki  lub ’ w tekście skopiowanym ze strony?
To tekst UTF-8 odczytany jako Windows-1252, czyli klasyczna pomyłka w kodowaniu. Konwerter odczytuje zadeklarowany na stronie zestaw znaków i zapisuje czysty UTF-8, więc cudzysłowy typograficzne i twarde spacje wychodzą jako prawdziwe znaki.
Czy w ten sposób można policzyć słowa na stronie internetowej?
Tak. Wcześniejsza konwersja usuwa znaczniki, kod i ukryty tekst skryptów, które zawyżają surowy wynik. Usuń z pliku .txt pozostałe wiersze nawigacji, a potem wklej go do dowolnego licznika słów.
Czy czysty tekst nadaje się na wersję tekstową newslettera?
Tak. Wiele platform pocztowych wysyła część tekstową obok HTML, a klienty poczty, które nie potrafią lub nie chcą wyświetlać HTML, pokazują właśnie ją. Przekonwertuj kod HTML newslettera, a potem popraw długość wierszy przed wklejeniem do pola tekstowego.