Prevod HTML na text
Uložené webové stránky, newslettre a exportované články pomocníka tvorí z veľkej časti značkovanie a slová, ktoré potrebujete, sú ukryté medzi značkami. Tento nástroj odstráni HTML a vráti čistý súbor .txt iba s čitateľným textom.
Prevodník dokumentov
alebo sem presuňte súbory PDF, DOC, DOCX … ·
Max. 95 MB na súbor· Až 20 súborov· Odstránenie po 30 minútach
Súbory sa spracúvajú na našich serveroch a po 30 minútach sa odstránia.
150 DPI zmení stranu A4 na približne 1240 × 1754 px. Na tlač použite 300.
Previesť celý súbor alebo len niektoré strany či snímky (vstup PDF a prezentácie).
Strany alebo snímky na prevod, napr. 1-3, 5, 8-10.
UTF-8 funguje pre všetky jazyky. Vyberte UTF-8 s BOM, ak Excel alebo Poznámkový blok vo Windowse zobrazuje pokazené znaky; staršie kódovania len pre starý softvér.
LF pre macOS, Linux a editory kódu; CRLF pre staršie programy vo Windowse, napríklad klasický Poznámkový blok.
Štandardom je čiarka. Bodkočiarku použite pre Excel v krajinách, kde sa desatinné čísla píšu s čiarkou (Nemecko, Francúzsko, Brazília).
Vstup z Excelu s viacerými hárkami: previesť všetky (jedna sekcia alebo súbor na hárok) alebo len prvý.
Ako používať tento nástroj
- 1
Nahrajte súbory HTML
Pridajte až 20 súborov .html alebo .htm s veľkosťou do 95 MB, napríklad stránky uložené z prehliadača alebo exportované z CMS či e-mailového nástroja.
- 2
Zvoľte kódovanie a konce riadkov
Formátovanie je nastavené na Iba text, Kódovanie textu na UTF-8 a Konce riadkov na LF. Ak text patrí do starého programu pre Windows, zvoľte CRLF.
- 3
Preveďte súbory a použite text
Stlačte Previesť na TXT a stiahnite jeden textový súbor pre každú stránku alebo ZIP pre celú dávku.
Aký je najrýchlejší spôsob, ako zmeniť HTML na čistý text?
Nahrajte súbor .html, nechajte Formátovanie na Iba text a stlačte Previesť na TXT. Dostanete textový súbor v UTF-8 s čitateľným obsahom a bez značiek.
HTML na text: keď vám značkovanie prekáža
Typická stránka článku obsahuje oveľa viac značiek, skriptov a štýlov než prózy. V prehliadači to nevadí, všade inde je to problém. Prekladové pamäte, vyhľadávacie indexy, prompty pre jazykové modely, skripty na analýzu textu aj kontroly prístupnosti chcú slová a každá značka, inline štýl či sledovací skript, ktorý prejde, sa stáva šumom.
Kopírovanie z okna prehliadača to tiež nerieši. Výber zachytí menu a upozornenia na cookies, stratí zalomenie odsekov alebo pri vložení prenesie neviditeľné formátovanie. Prevod uloženého súboru HTML je opakovateľný, zvládne dvadsať stránok naraz a zakaždým dá rovnaký výstup.
Ak chcete zachovať časť štruktúry, nadpisy a zoznamy označené # a -, zvoľte radšej HTML do Markdownu. Opačným smerom, teda na zabalenie čistého textu do značiek, použite TXT do HTML.
Čo sa z jednotlivých častí stránky stane v súbore TXT
| V HTML | V textovom súbore |
|---|---|
| Odseky a nadpisy | Bloky textu oddelené prázdnymi riadkami |
| Zalomenia riadkov <br> | Zalomenia riadkov |
| Položky zoznamu | Jedna položka na riadok |
| Bunky tabuľky | Text buniek v poradí čítania, riadok po riadku |
| Odkazy | Text odkazu bez adresy |
| &, é a | &, é a nezalomiteľná medzera |
| <script>, <style>, komentáre | Úplne odstránené |
| Obrázky | Odstránené; obrázky nemajú textovú podobu |
HTML
HyperText Markup Language
HTML je značkovací jazyk webu, ktorý prvýkrát opísal Tim Berners-Lee na začiatku 90. rokov a dnes ho ako živý štandard spravuje WHATWG. Súbor HTML opisuje nadpisy, odseky, odkazy, tabuľky, obrázky a formuláre, zatiaľ čo vzhľad zvyčajne určuje CSS. Zobrazí ho každý prehliadač a používa sa aj pre e-mailové šablóny a uložené webové stránky. Jeden súbor HTML často závisí od externých obrázkov a štýlov, preto môže po samostatnom presune vyzerať pokazene.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Obyčajný text
Súbor TXT obsahuje iba obyčajné znaky bez formátovania, písiem, obrázkov či rozloženia. Moderné textové súbory majú zvyčajne kódovanie UTF-8, ktoré pokrýva všetky jazyky, staršie súbory však môžu používať iné kódovania a zobraziť nezmyselné znaky. Obyčajný text je drobný, nikdy nezastará a otvorí sa na každom zariadení, od telefónov po servery. Nepojme tučný text, tabuľky ani obrázky, takže štruktúru treba vyjadriť medzerami alebo jednoduchým značkovaním.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- –
HTML sa zbavuje značiek na čistý text, keď záleží iba na slovách: pri vkladaní článku do analytického alebo prekladového nástroja, tvorbe textového korpusu, písaní textovej časti e-mailu alebo počítaní slov bez značiek.
Od 18 značiek k živému štandardu
Ako funguje prevod HTML na TXT
Načítanie stránky
Súbor sa spracuje tak ako v prehliadači, so znakovou sadou, ktorú stránka deklaruje.
Odstránenie značiek
Značky, skripty, štýly a komentáre zmiznú; znakové entity sa zmenia na skutočné znaky.
Zápis textu
Čitateľný text sa uloží vo vašom Kódovaní textu s vybranými Koncami riadkov.
Otázky o prevode HTML na text
Ako získať text z HTML bez zvyškov značiek?
Nahrajte súbor sem a nechajte Formátovanie na Iba text. Značky, atribúty, skripty a štýly sa odstránia a znakové entity, napríklad &, sa zmenia na znaky, ktoré predstavujú.
Zachová prevod HTML na text adresy odkazov?
Viditeľný text odkazu zostane vo vete, adresa URL za ním nie. Ak potrebujete adresy, previeďte súbor cez HTML do Markdownu, ktorý zapisuje odkazy ako [text](url).
Prečo sa v texte skopírovanom z webovej stránky objavuje  alebo ’?
Je to text v UTF-8 prečítaný ako Windows-1252, klasická zámena kódovania. Konvertor načíta znakovú sadu deklarovanú stránkou a zapíše čisté UTF-8, takže zalomené úvodzovky a nezalomiteľné medzery vyjdú ako skutočné znaky.
Dajú sa takto spočítať slová na webovej stránke?
Áno. Prevodom sa najprv odstránia značky, kód a skrytý text skriptov, ktoré nafukujú surový počet. Zvyšné riadky navigácie zmažte z .txt a vložte ho do ľubovoľného počítadla slov.
Je čistý text vhodný formát pre textovú verziu newslettera?
Áno. Mnohé e-mailové platformy posielajú k HTML aj textovú časť a poštové klienty, ktoré HTML nevedia alebo nechcú zobraziť, ukážu ju namiesto neho. Previeďte HTML newslettra a pred vložením do textového poľa upravte dĺžku riadkov.