HTML నుండి టెక్స్ట్ కన్వర్టర్
సేవ్ చేసిన వెబ్ పేజీలు, న్యూస్‌లెటర్లు, ఎక్స్‌పోర్ట్ చేసిన హెల్ప్ ఆర్టికల్స్‌లో ఎక్కువ భాగం మార్కప్ మాత్రమే; మీకు కావలసిన పదాలు ట్యాగ్‌ల మధ్య దాగి ఉంటాయి. ఈ కన్వర్టర్ HTMLను తీసివేసి, చదవగలిగే టెక్స్ట్ మాత్రమే ఉన్న శుభ్రమైన .txt ఫైల్ను మీకు ఇస్తుంది.
డాక్యుమెంట్ కన్వర్టర్
లేదా PDF, DOC, DOCX … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
150 DPI ఒక A4 పేజీని సుమారు 1240 × 1754 pxగా మారుస్తుంది. ప్రింటింగ్ కోసం 300 ఉపయోగించండి.
మొత్తం ఫైల్ను లేదా కొన్ని పేజీలు లేదా స్లైడ్‌లను మాత్రమే మార్చండి (PDF మరియు ప్రెజెంటేషన్ ఇన్‌పుట్).
మార్చాల్సిన పేజీలు లేదా స్లైడ్లు, ఉదా. 1-3, 5, 8-10.
UTF-8 అన్ని భాషలకు పనిచేస్తుంది. Windowsలో Excel లేదా Notepad గందరగోళ అక్షరాలు చూపిస్తే BOMతో UTF-8 ఎంచుకోండి; పాత ఎన్‌కోడింగ్‌లు పాత సాఫ్ట్‌వేర్‌కు మాత్రమే.
macOS, Linux మరియు కోడ్ ఎడిటర్లకు LF; క్లాసిక్ Notepad వంటి పాత Windows ప్రోగ్రామ్‌లకు CRLF.
కామా ప్రామాణికం. దశాంశాలను కామాతో రాసే దేశాల్లో (జర్మనీ, ఫ్రాన్స్, బ్రెజిల్) Excel కోసం సెమికోలన్ ఉపయోగించండి.
అనేక షీట్లు ఉన్న Excel ఇన్‌పుట్: అన్నింటినీ మార్చండి (ప్రతి షీట్‌కు ఒక సెక్షన్ లేదా ఫైల్) లేదా మొదటిదాన్ని మాత్రమే.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
HTML ఫైళ్లను అప్లోడ్ చేయండి
బ్రౌజర్ నుండి సేవ్ చేసిన పేజీలు లేదా CMS, ఈమెయిల్ టూల్ నుండి ఎక్స్‌పోర్ట్ చేసిన .html లేదా .htm ఫైళ్లను, ఒక్కొక్కటి 95 MB వరకు, గరిష్టంగా 20 వరకు జోడించండి.
- 2
ఎన్కోడింగ్, లైన్ ఎండింగ్‌లు ఎంచుకోండి
ఫార్మాటింగ్ టెక్స్ట్ మాత్రమే అని, టెక్స్ట్ ఎన్కోడింగ్ UTF-8 అని, లైన్ ముగింపులు LF అని సెట్ అయి ఉంటాయి. టెక్స్ట్ పాత Windows ప్రోగ్రామ్‌లో వాడాలంటే CRLF ఎంచుకోండి.
- 3
మార్చి టెక్స్ట్ను ఉపయోగించండి
TXTకు మార్చండి నొక్కి, ప్రతి పేజీకి ఒక టెక్స్ట్ ఫైల్ను లేదా మొత్తం బ్యాచ్‌కు ఒక ZIPను డౌన్‌లోడ్ చేయండి.
HTMLను ప్లెయిన్ టెక్స్ట్‌గా మార్చడానికి వేగవంతమైన మార్గం ఏది?
.html ఫైల్ను అప్లోడ్ చేసి, ఫార్మాటింగ్ను టెక్స్ట్ మాత్రమేగా ఉంచి TXTకు మార్చండి నొక్కండి. మార్కప్ లేకుండా చదవదగిన కంటెంట్ ఉన్న UTF-8 టెక్స్ట్ ఫైల్ వస్తుంది.
HTML నుండి టెక్స్ట్: మార్కప్ అడ్డుగా ఉన్నప్పుడు
సాధారణ వ్యాస పేజీలో వచనం కంటే మార్కప్, స్క్రిప్ట్, స్టైలింగ్ చాలా ఎక్కువ ఉంటాయి. బ్రౌజర్‌లో అది సమస్య కాదు, మిగతా చోట్ల సమస్యే. ట్రాన్స్‌లేషన్ మెమరీలు, సెర్చ్ ఇండెక్స్‌లు, లాంగ్వేజ్-మోడల్ ప్రాంప్ట్‌లు, టెక్స్ట్-అనాలిసిస్ స్క్రిప్ట్లు, యాక్సెసిబిలిటీ రివ్యూలకు పదాలే కావాలి; దూరిన ప్రతి ట్యాగ్, ఇన్‌లైన్ స్టైల్, ట్రాకింగ్ స్క్రిప్ట్ అనవసర శబ్దంగా మారుతుంది.
బ్రౌజర్ విండో నుండి కాపీ చేయడం కూడా దీన్ని పరిష్కరించదు. సెలక్షన్ మెనూలు, కుకీ నోటీసులను కూడా పట్టుకుంటుంది, పేస్ట్ చేసినప్పుడు పేరాగ్రాఫ్ బ్రేక్‌లు పోతాయి లేదా కనిపించని ఫార్మాటింగ్ వస్తుంది. సేవ్ చేసిన HTML ఫైల్ను మార్చడం పునరావృతం చేయగలది, ఒకేసారి ఇరవై పేజీలకు పనిచేస్తుంది, ప్రతిసారీ ఒకే ఫలితం ఇస్తుంది.
# మరియు - తో గుర్తించిన హెడ్డింగ్‌లు, జాబితాల వంటి కొంత నిర్మాణం ఉండాలంటే బదులుగా HTML నుండి Markdown ఎంచుకోండి. వ్యతిరేక దిశలో, ప్లెయిన్ టెక్స్ట్ను మార్కప్‌లో చుట్టాలంటే TXT నుండి HTML వాడండి.
పేజీలోని ఒక్కో భాగం TXT ఫైల్‌లో ఏమవుతుంది
| HTMLలో | టెక్స్ట్ ఫైల్‌లో |
|---|---|
| పేరాగ్రాఫ్‌లు, హెడ్డింగ్‌లు | ఖాళీ లైన్లతో వేరు చేసిన టెక్స్ట్ బ్లాక్‌లు |
| <br> లైన్ బ్రేక్‌లు | లైన్ బ్రేక్‌లు |
| జాబితా అంశాలు | ప్రతి లైన్‌కు ఒక అంశం |
| టేబుల్ సెల్స్ | చదివే క్రమంలో, వరుస వారీగా సెల్ టెక్స్ట్ |
| లింక్‌లు | చిరునామా లేకుండా లింక్ టెక్స్ట్ |
| &, é, (ఎంటిటీలు) | &, é, నాన్-బ్రేకింగ్ స్పేస్ |
| <script>, <style>, కామెంట్లు | పూర్తిగా తొలగింపు |
| ఇమేజ్‌లు | తొలగింపు; చిత్రాలకు టెక్స్ట్ రూపం లేదు |
HTML
హైపర్‌టెక్స్ట్ మార్కప్ లాంగ్వేజ్
HTML అనేది వెబ్ యొక్క మార్కప్ భాష; దీన్ని 1990ల ఆరంభంలో టిమ్ బెర్నర్స్-లీ వివరించారు, ఇప్పుడు WHATWG లివింగ్ స్టాండర్డ్‌గా నిర్వహిస్తోంది. HTML ఫైల్ హెడ్డింగ్‌లు, పేరాగ్రాఫ్‌లు, లింక్‌లు, పట్టికలు, చిత్రాలు మరియు ఫారమ్‌లను వివరిస్తుంది, స్టైలింగ్ సాధారణంగా CSS నుండి వస్తుంది. ప్రతి బ్రౌజర్ దీన్ని చూపిస్తుంది, ఇమెయిల్ టెంప్లేట్లకు మరియు సేవ్ చేసిన వెబ్ పేజీలకు కూడా వాడతారు. ఒక HTML ఫైల్ తరచుగా బయటి చిత్రాలు, స్టైల్‌షీట్లపై ఆధారపడుతుంది, కాబట్టి దాన్ని ఒంటరిగా తరలిస్తే సరిగా కనిపించకపోవచ్చు.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
సాదా టెక్స్ట్
TXT ఫైల్‌లో ఫార్మాటింగ్, ఫాంట్లు, చిత్రాలు, లేఅవుట్ లేకుండా సాదా అక్షరాలు మాత్రమే ఉంటాయి. ఆధునిక టెక్స్ట్ ఫైళ్లు సాధారణంగా అన్ని భాషలను కవర్ చేసే UTF-8లో ఎన్‌కోడ్ అవుతాయి, పాత ఫైళ్లు ఇతర ఎన్‌కోడింగ్‌లు వాడి అక్షరాలు గందరగోళంగా చూపవచ్చు. సాదా టెక్స్ట్ చాలా చిన్నది, ఎప్పటికీ పాతబడదు, ఫోన్ల నుంచి సర్వర్ల వరకు ప్రతి పరికరంలో తెరుచుకుంటుంది. బోల్డ్ టెక్స్ట్, పట్టికలు, చిత్రాలను ఉంచలేదు, కాబట్టి నిర్మాణాన్ని ఖాళీలతో లేదా సరళమైన మార్కప్‌తో చూపాలి.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- –
పదాలే ముఖ్యమైనప్పుడు HTMLను ప్లెయిన్ టెక్స్ట్‌గా మారుస్తారు: వ్యాసాన్ని విశ్లేషణ లేదా అనువాద టూల్‌లో ఇవ్వడం, టెక్స్ట్ కార్పస్ తయారు చేయడం, ఈమెయిల్‌లో ప్లెయిన్ భాగం రాయడం, లేదా మార్కప్ లేకుండా పదాలను లెక్కించడం.
18 ట్యాగ్‌ల నుండి నిరంతరం మారే ప్రమాణం వరకు
HTML నుండి TXT మార్పిడి ఎలా పనిచేస్తుంది
పేజీని చదవడం
పేజీ ప్రకటించిన charsetతో, బ్రౌజర్ పార్స్ చేసే విధంగానే ఫైల్ పార్స్ అవుతుంది.
మార్కప్ తొలగింపు
ట్యాగ్లు, స్క్రిప్ట్లు, స్టైల్స్, కామెంట్లు పోతాయి; క్యారెక్టర్ రిఫరెన్స్లు నిజమైన అక్షరాలుగా మారతాయి.
టెక్స్ట్ రాయడం
చదవదగిన టెక్స్ట్ మీరు ఎంచుకున్న టెక్స్ట్ ఎన్‌కోడింగ్లో, మీ లైన్ ముగింపులు ఎంపికతో సేవ్ అవుతుంది.
HTML నుండి టెక్స్ట్: తరచుగా అడిగే ప్రశ్నలు
ఒక్క ట్యాగ్ కూడా మిగలకుండా HTML నుండి టెక్స్ట్ ఎలా తీయాలి?
ఫార్మాటింగ్ను టెక్స్ట్ మాత్రమేగా ఉంచి ఫైల్ను ఇక్కడ అప్లోడ్ చేయండి. ట్యాగ్లు, అట్రిబ్యూట్లు, స్క్రిప్ట్లు, స్టైల్ షీట్లు తొలగిపోతాయి; & వంటి క్యారెక్టర్ రిఫరెన్స్లు అవి సూచించే అక్షరాలుగా మారతాయి.
HTML నుండి టెక్స్ట్ కన్వర్టర్ లింక్ అడ్రస్‌లను ఉంచుతుందా?
కనిపించే లింక్ టెక్స్ట్ వాక్యంలో అలాగే ఉంటుంది; దాని వెనుక ఉన్న URL ఉండదు. చిరునామాలు కావాలంటే HTML నుండి Markdownతో మార్చండి; అది లింక్‌లను [text](url) రూపంలో రాస్తుంది.
వెబ్ పేజీ నుండి కాపీ చేసిన టెక్స్ట్లో  లేదా ’ ఎందుకు వస్తాయి?
UTF-8 టెక్స్ట్ను Windows-1252గా చదవడం వల్ల వచ్చే సాధారణ ఎన్కోడింగ్ గందరగోళం ఇది. కన్వర్టర్ పేజీలో ప్రకటించిన charsetను చదివి శుభ్రమైన UTF-8లో రాస్తుంది, కాబట్టి కర్లీ కోట్స్, నాన్-బ్రేకింగ్ స్పేస్లు నిజమైన అక్షరాలుగా వస్తాయి.
ఈ విధంగా వెబ్ పేజీలోని పదాలను లెక్కించవచ్చా?
అవును. ముందుగా మార్చడం వల్ల లెక్కను పెంచే మార్కప్, కోడ్, దాచిన స్క్రిప్ట్ టెక్స్ట్ తొలగిపోతాయి. .txtలో మిగిలిన నావిగేషన్ లైన్లను తొలగించి, ఏ వర్డ్ కౌంటర్‌లోనైనా పేస్ట్ చేయండి.
న్యూస్లెటర్ టెక్స్ట్ వెర్షన్కు ప్లెయిన్ టెక్స్ట్ సరైన ఫార్మాట్ేనా?
అవును. చాలా ఈమెయిల్ ప్లాట్ఫామ్లు HTMLతో పాటు ప్లెయిన్-టెక్స్ట్ భాగాన్ని పంపుతాయి, HTMLను చూపలేని లేదా చూపని మెయిల్ క్లయింట్లు దాన్ని చూపుతాయి. న్యూస్లెటర్ HTMLను మార్చి, టెక్స్ట్ ఫీల్డ్లో పేస్ట్ చేసే ముందు లైన్ పొడవులను సరిచేయండి.