Konvertera HTML till text
Sparade webbsidor, nyhetsbrev och exporterade hjälpartiklar består mest av kod; orden du vill åt ligger begravda mellan taggarna. Den här konverteraren tar bort HTML-koden och ger dig en ren .txt-fil med bara den läsbara texten.
Dokumentkonverterare
eller släpp PDF, DOC, DOCX …-filer här ·
Max 95 MB per fil· Upp till 20 filer· Raderas efter 30 minuter
Filerna bearbetas på våra servrar och raderas efter 30 minuter.
150 DPI gör en A4-sida till cirka 1240 × 1754 px. Använd 300 för utskrift.
Konvertera hela filen eller bara vissa sidor eller bilder (PDF och presentationer som indata).
Sidor eller bilder som ska konverteras, t.ex. 1-3, 5, 8-10.
UTF-8 fungerar för alla språk. Välj UTF-8 med BOM om Excel eller Anteckningar i Windows visar förvrängda tecken; äldre teckenkodningar bara för gammal programvara.
LF för macOS, Linux och kodredigerare; CRLF för äldre Windows-program som klassiska Anteckningar.
Komma är standard. Använd semikolon för Excel i länder som skriver decimaler med komma (Sverige, Tyskland, Frankrike, Brasilien).
Excel-indata med flera blad: konvertera alla (ett avsnitt eller en fil per blad) eller bara det första.
Så använder du verktyget
- 1
Ladda upp HTML-filerna
Lägg till upp till 20 .html- eller .htm-filer på högst 95 MB vardera, till exempel sidor sparade från en webbläsare eller exporterade från ett CMS eller ett e-postverktyg.
- 2
Välj teckenkodning och radslut
Formatering är inställd på Endast text, Textkodning på UTF-8 och Radslut på LF. Välj CRLF om texten ska användas i ett gammalt Windows-program.
- 3
Konvertera och använd texten
Klicka på Konvertera till TXT och ladda ner en textfil per sida, eller en ZIP för hela omgången.
Hur gör man snabbast om HTML till ren text?
Ladda upp .html-filen, behåll Formatering på Endast text och klicka på Konvertera till TXT. Du får en UTF-8-textfil med det läsbara innehållet och utan någon markup.
HTML till text: när koden står i vägen
En typisk artikelsida innehåller betydligt mer markup, skript och stilar än brödtext. Det fungerar bra i en webbläsare men är ett problem överallt annars. Översättningsminnen, sökindex, prompter till språkmodeller, textanalysskript och tillgänglighetsgranskningar vill alla ha orden, och varje tagg, inbyggd stil eller spårningsskript som slinker med blir brus.
Att kopiera från webbläsarfönstret löser inte heller problemet. Ett markerat område tar med menyer och cookiemeddelanden, tappar styckebrytningar eller drar med osynlig formatering när det klistras in. Att konvertera den sparade HTML-filen går att upprepa, fungerar på tjugo sidor samtidigt och ger samma resultat varje gång.
Vill du behålla en del struktur, som rubriker och listor markerade med # och -, väljer du HTML till Markdown i stället. Vill du gå åt andra hållet och förse ren text med markup använder du TXT till HTML.
Vad varje del av sidan blir i TXT-filen
| I HTML-filen | I textfilen |
|---|---|
| Stycken och rubriker | Textblock åtskilda av tomma rader |
| Radbrytningar med <br> | Radbrytningar |
| Listpunkter | En punkt per rad |
| Tabellceller | Celltext i läsordning, rad för rad |
| Länkar | Länktexten, utan adressen |
| &, é och | &, é och ett hårt mellanslag |
| <script>, <style>, kommentarer | Tas bort helt |
| Bilder | Tas bort; bilder har ingen textform |
HTML
HyperText Markup Language
HTML är webbens märkspråk, som Tim Berners-Lee först beskrev i början av 1990-talet och som numera underhålls av WHATWG som en levande standard. En HTML-fil beskriver rubriker, stycken, länkar, tabeller, bilder och formulär, medan utseendet oftast kommer från CSS. Alla webbläsare visar det, och det används också för e-postmallar och sparade webbsidor. En enskild HTML-fil är ofta beroende av externa bilder och stilmallar, så den kan se trasig ut när den flyttas ensam.
- Komprimering
- –
- Transparens
- –
- Animation
- –
- Introducerades
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Oformaterad text
En TXT-fil innehåller bara vanliga tecken utan formatering, typsnitt, bilder eller layout. Moderna textfiler är oftast kodade i UTF-8, som täcker alla språk, men äldre filer kan använda andra teckenkodningar och visa förvanskade tecken. Oformaterad text är liten, blir aldrig föråldrad och öppnas på alla enheter, från mobiler till servrar. Den kan inte innehålla fet text, tabeller eller bilder, så struktur måste uttryckas med mellanrum eller enkel märkning.
- Komprimering
- –
- Transparens
- –
- Animation
- –
- Introducerades
- –
HTML görs om till ren text när det bara är orden som räknas: när du matar en artikel till ett analys- eller översättningsverktyg, bygger en textkorpus, skriver den rena textdelen i ett e-postmeddelande eller räknar ord utan markup.
Från 18 taggar till en levande standard
Så fungerar konverteringen från HTML till TXT
Läs sidan
Filen tolkas som en webbläsare tolkar den, med den teckenkodning som sidan anger.
Ta bort markupen
Taggar, skript, stilar och kommentarer försvinner, och teckenreferenser blir riktiga tecken.
Skriv texten
Den läsbara texten sparas i vald Textkodning med de Radslut du har valt.
Frågor om HTML till text
Hur extraherar jag text ur HTML utan att några taggar blir kvar?
Ladda upp filen här med Formatering inställd på Endast text. Taggar, attribut, skript och formatmallar tas bort, och teckenreferenser som & blir de tecken de står för.
Behåller konverteraren från HTML till text länkadresserna?
Den synliga länktexten finns kvar i meningen, men webbadressen bakom den gör det inte. Behöver du adresserna kan du konvertera med HTML till Markdown, som skriver länkar som [text](url).
Varför dyker  eller ’ upp i text som kopierats från en webbsida?
Det är UTF-8-text som läses som Windows-1252, en klassisk förväxling av teckenkodning. Konverteraren läser den teckenkodning som sidan anger och skriver ren UTF-8, så att typografiska citattecken och hårda mellanslag blir de riktiga tecknen.
Kan jag räkna orden på en webbsida på det här sättet?
Ja. Genom att konvertera först försvinner kod, markup och dold skripttext som annars blåser upp en rå räkning. Ta bort kvarvarande navigeringsrader ur .txt-filen och klistra sedan in den i valfri ordräknare.
Är ren text rätt format för textversionen av ett nyhetsbrev?
Ja. Många e-postplattformar skickar en ren textdel vid sidan av HTML-delen, och e-postklienter som inte kan eller vill visa HTML visar den i stället. Konvertera nyhetsbrevets HTML och justera radlängderna innan du klistrar in texten i textfältet.