Converter HTML para texto
Páginas salvas, newsletters e artigos de ajuda exportados são quase só marcação; as palavras que interessam ficam enterradas entre as tags. Este conversor tira o HTML e devolve um arquivo .txt limpo, só com o texto legível.
Conversor de documentos
ou solte arquivos PDF, DOC, DOCX … aqui ·
Até 95 MB por arquivo· Até 20 arquivos· Apagados após 30 minutos
Os arquivos são processados em nossos servidores e apagados após 30 minutos.
150 DPI transforma uma página A4 em cerca de 1240 × 1754 px. Use 300 para impressão.
Converta o arquivo inteiro ou só algumas páginas ou slides (entrada PDF e apresentações).
Páginas ou slides a converter, por exemplo 1-3, 5, 8-10.
UTF-8 funciona para qualquer idioma. Escolha UTF-8 com BOM se o Excel ou o Bloco de Notas no Windows mostrar caracteres embaralhados; codificações antigas só para programas antigos.
LF para macOS, Linux e editores de código; CRLF para programas antigos do Windows, como o Bloco de Notas clássico.
Vírgula é o padrão. Use ponto e vírgula para o Excel em países que escrevem decimais com vírgula (Alemanha, França, Brasil).
Entrada Excel com várias planilhas: converta todas (uma seção ou arquivo por planilha) ou só a primeira.
Como usar esta ferramenta
- 1
Envie os arquivos HTML
Adicione até 20 arquivos .html ou .htm de até 95 MB cada, como páginas salvas pelo navegador ou exportadas de um CMS ou de uma ferramenta de e-mail.
- 2
Escolha codificação e quebras de linha
Formatação vem em Somente texto, Codificação do texto em UTF-8 e Quebras de linha em LF. Escolha CRLF se o texto for para um programa antigo do Windows.
- 3
Converta e use o texto
Clique em Converter para TXT e baixe um arquivo de texto por página, ou um ZIP com o lote inteiro.
Qual é o jeito mais rápido de transformar HTML em texto simples?
Envie o arquivo .html, deixe Formatação em Somente texto e clique em Converter para TXT. Você recebe um arquivo de texto em UTF-8 com o conteúdo legível e nada da marcação.
HTML para texto: quando a marcação atrapalha
Uma página de artigo típica tem muito mais marcação, script e estilo do que texto corrido. No navegador isso não é problema; em qualquer outro lugar, é. Memórias de tradução, índices de busca, prompts de modelos de linguagem, scripts de análise de texto e revisões de acessibilidade querem as palavras, e cada tag, estilo inline ou script de rastreamento que escapa vira ruído.
Copiar da janela do navegador também não resolve. A seleção pega menus e avisos de cookies, perde as quebras de parágrafo ou arrasta formatação invisível ao colar. Converter o arquivo HTML salvo é repetível, funciona com vinte páginas de uma vez e gera sempre o mesmo resultado.
Se você quer manter alguma estrutura, títulos e listas marcados com # e -, escolha converter HTML para Markdown. Para fazer o caminho inverso e envolver texto simples em marcação, use converter TXT para HTML.
O que cada parte da página vira no arquivo TXT
| No HTML | No arquivo de texto |
|---|---|
| Parágrafos e títulos | Blocos de texto separados por linhas em branco |
| Quebras de linha <br> | Quebras de linha |
| Itens de lista | Um item por linha |
| Células de tabela | Texto das células na ordem de leitura, linha por linha |
| Links | O texto do link, sem o endereço |
| &, é e | &, é e um espaço não separável |
| <script>, <style>, comentários | Removidos por completo |
| Imagens | Removidas; imagens não têm forma de texto |
HTML
HyperText Markup Language (HTML)
HTML é a linguagem de marcação da web, descrita pela primeira vez por Tim Berners-Lee no início dos anos 1990 e hoje mantida pelo WHATWG como um padrão vivo. Um arquivo HTML descreve títulos, parágrafos, links, tabelas, imagens e formulários, enquanto o estilo costuma vir do CSS. Todo navegador o renderiza, e ele também é usado em modelos de e-mail e páginas da web salvas. Um único arquivo HTML costuma depender de imagens e folhas de estilo externas, por isso pode aparecer quebrado quando movido sozinho.
- Compressão
- –
- Transparência
- –
- Animação
- –
- Lançamento
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Texto simples
Um arquivo TXT contém apenas caracteres simples, sem formatação, fontes, imagens ou layout. Os arquivos de texto atuais costumam usar a codificação UTF-8, que cobre todos os idiomas, mas arquivos mais antigos podem usar outras codificações e exibir caracteres embaralhados. O texto simples é minúsculo, nunca fica obsoleto e abre em qualquer dispositivo, de celulares a servidores. Ele não comporta negrito, tabelas nem imagens, então a estrutura precisa ser expressa com espaçamento ou marcação simples.
- Compressão
- –
- Transparência
- –
- Animação
- –
- Lançamento
- –
O HTML é reduzido a texto simples quando só as palavras importam: para alimentar uma ferramenta de análise ou tradução com um artigo, montar um corpus de textos, escrever a parte em texto de um e-mail ou contar palavras sem a marcação.
De 18 tags a um padrão vivo
Como funciona a conversão de HTML para TXT
Leitura da página
O arquivo é interpretado do mesmo jeito que o navegador faz, usando o charset que a página declara.
Remoção da marcação
Tags, scripts, estilos e comentários saem; referências de caractere viram caracteres reais.
Gravação do texto
O texto legível é salvo na Codificação do texto escolhida, com as Quebras de linha que você definiu.
Perguntas sobre HTML para texto
Como extrair o texto de um HTML sem sobrar nenhuma tag?
Envie o arquivo aqui com Formatação em Somente texto. Tags, atributos, scripts e folhas de estilo são removidos, e referências de caractere como & viram os caracteres que representam.
O conversor de HTML para texto mantém os endereços dos links?
O texto visível do link fica na frase; a URL por trás dele, não. Se você precisa dos endereços, use converter HTML para Markdown, que escreve os links como [text](url).
O que causa  ou ’ no texto copiado de uma página da web?
É texto em UTF-8 sendo lido como Windows-1252, uma confusão clássica de codificação. O conversor lê o charset declarado na página e grava UTF-8 limpo, então aspas curvas e espaços não separáveis saem como os caracteres reais.
Dá para contar as palavras de uma página HTML assim?
Sim. Converter antes remove marcação, código e texto oculto de scripts que inflam uma contagem bruta. Apague do .txt as linhas de navegação que sobrarem e cole o resultado em qualquer contador de palavras.
Texto simples é o formato certo para a versão em texto de uma newsletter?
Sim. Muitas plataformas de e-mail mandam uma parte em texto simples junto com o HTML, e os programas de e-mail que não podem ou não querem renderizar HTML mostram essa parte. Converta o HTML da newsletter e ajuste o comprimento das linhas antes de colar no campo de texto.