Конвертер HTML в текст
Сохраненные веб-страницы, рассылки и выгруженные статьи справки состоят в основном из разметки, а нужные вам слова спрятаны между тегами. Этот конвертер удаляет HTML и возвращает чистый файл .txt, в котором остается только читаемый текст.
Конвертер документов
или перетащите сюда файлы PDF, DOC, DOCX … ·
Макс. 95 MB на файл· До 20 файлов· Удаляются через 30 минут
Файлы обрабатываются на наших серверах и удаляются через 30 минут.
При 150 DPI страница A4 превращается примерно в 1240 × 1754 px. Для печати используйте 300.
Преобразуйте весь файл или только часть страниц либо слайдов (для PDF и презентаций).
Страницы или слайды для преобразования, например 1-3, 5, 8-10.
UTF-8 подходит для любого языка. Выберите «UTF-8 с BOM», если Excel или Блокнот в Windows показывают нечитаемые символы; устаревшие кодировки — только для старых программ.
LF — для macOS, Linux и редакторов кода; CRLF — для старых программ Windows, например классического Блокнота.
Стандарт — запятая. Точку с запятой используйте для Excel в странах, где дробная часть отделяется запятой (Германия, Франция, Бразилия).
Для файлов Excel с несколькими листами: преобразовать все (по разделу или файлу на лист) или только первый.
Как пользоваться инструментом
- 1
Загрузите HTML-файлы
Добавьте до 20 файлов .html или .htm размером до 95 MB каждый: страницы, сохранённые из браузера или экспортированные из CMS либо почтового сервиса.
- 2
Выберите кодировку и окончания строк
Для параметра Форматирование выбрано «Только текст», для Кодировка текста — UTF-8, для Окончания строк — LF. Выберите CRLF, если текст пойдёт в старую программу для Windows.
- 3
Конвертируйте и используйте текст
Нажмите Конвертировать в TXT → и скачайте по одному текстовому файлу на каждую страницу или ZIP со всеми файлами сразу.
Как быстрее всего превратить HTML в простой текст?
Загрузите файл .html, оставьте для параметра Форматирование значение «Только текст» и нажмите Конвертировать в TXT →. Вы получите текстовый файл в UTF-8 с читаемым содержимым без разметки.
HTML в текст: когда мешает разметка
На типичной странице статьи разметки, скриптов и стилей намного больше, чем самого текста. В браузере это не мешает, а в остальных случаях — мешает. Памяти переводов, поисковым индексам, промптам для языковых моделей, скриптам анализа текста и проверкам доступности нужны только слова, а каждый тег, встроенный стиль или скрипт слежения превращается в шум.
Копирование из окна браузера тоже не выход. Выделение захватывает меню и уведомления о cookie, теряет разрывы абзацев или при вставке тянет за собой невидимое форматирование. Конвертация сохранённого HTML-файла повторяема, обрабатывает двадцать страниц сразу и каждый раз даёт один и тот же результат.
Если нужно сохранить часть структуры — заголовки и списки с пометками # и -, выберите HTML в Markdown. А чтобы пойти в обратную сторону и обернуть простой текст в разметку, используйте TXT в HTML.
Во что превращается каждая часть страницы в файле TXT
| В HTML | В текстовом файле |
|---|---|
| Абзацы и заголовки | Блоки текста, разделённые пустыми строками |
| Переносы <br> | Переносы строк |
| Элементы списка | Один элемент в строке |
| Ячейки таблиц | Текст ячеек в порядке чтения, строка за строкой |
| Ссылки | Текст ссылки без адреса |
| &, é и | &, é и неразрывный пробел |
| <script>, <style>, комментарии | Удаляются полностью |
| Изображения | Удаляются: у картинок нет текстовой формы |
HTML
Язык разметки HTML
HTML — язык разметки веба, впервые описанный Тимом Бернерсом-Ли в начале 1990-х; сейчас его развивает WHATWG как «живой стандарт». HTML-файл описывает заголовки, абзацы, ссылки, таблицы, изображения и формы, а оформление обычно задаётся через CSS. Его отображает любой браузер; формат также используется для шаблонов писем и сохранённых веб-страниц. Отдельный HTML-файл часто зависит от внешних изображений и таблиц стилей, поэтому после переноса без них он может выглядеть «сломанным».
- Сжатие
- –
- Прозрачность
- –
- Анимация
- –
- Год появления
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Обычный текст
Файл TXT содержит только простые символы без форматирования, шрифтов, изображений и вёрстки. Современные текстовые файлы обычно хранятся в кодировке UTF-8, которая охватывает все языки, хотя старые файлы могут использовать другие кодировки и показывать нечитаемые символы. Обычный текст весит очень мало, никогда не устаревает и открывается на любом устройстве — от телефонов до серверов. В нём не может быть полужирного текста, таблиц или картинок, поэтому структуру приходится передавать отступами или простой разметкой.
- Сжатие
- –
- Прозрачность
- –
- Анимация
- –
- Год появления
- –
HTML превращают в простой текст, когда важны только слова: чтобы передать статью в инструмент анализа или перевода, собрать текстовый корпус, написать текстовую часть письма или посчитать слова без разметки.
От 18 тегов до живого стандарта
Как работает конвертация HTML в TXT
Чтение страницы
Файл разбирается так же, как его разбирает браузер, с кодировкой, указанной на странице.
Удаление разметки
Теги, скрипты, стили и комментарии удаляются, а символьные ссылки превращаются в настоящие символы.
Запись текста
Читаемый текст сохраняется в выбранной Кодировка текста с выбранными Окончания строк.
Вопросы о конвертации HTML в текст
Как извлечь текст из HTML, чтобы не осталось ни одного тега?
Загрузите файл здесь и оставьте для параметра Форматирование значение «Только текст». Теги, атрибуты, скрипты и таблицы стилей удаляются, а символьные ссылки вроде & превращаются в соответствующие символы.
Сохраняет ли конвертер HTML в текст адреса ссылок?
Видимый текст ссылки остаётся в предложении, а сам URL — нет. Если адреса нужны, конвертируйте через HTML в Markdown: там ссылки записываются как [текст](url).
Откуда берутся  или ’ в тексте, скопированном с веб-страницы?
Это текст в UTF-8, прочитанный как Windows-1252, — классическая путаница кодировок. Конвертер считывает кодировку, указанную на странице, и записывает чистый UTF-8, поэтому типографские кавычки и неразрывные пробелы сохраняются как настоящие символы.
Можно ли так посчитать количество слов на веб-странице?
Да. После конвертации исчезают разметка, код и скрытые тексты скриптов, которые завышают подсчёт в исходном файле. Удалите из .txt оставшиеся строки меню и вставьте текст в любой счётчик слов.
Подходит ли обычный текст для текстовой версии рассылки?
Да. Многие почтовые платформы отправляют текстовую часть вместе с HTML, и почтовые клиенты, которые не умеют или не хотят показывать HTML, выводят именно её. Конвертируйте HTML рассылки, затем поправьте длину строк перед вставкой в текстовое поле.