Конвертер HTML у текст
Збережені вебсторінки, розсилки та експортовані довідкові статті здебільшого складаються з розмітки, а потрібні вам слова загублені між тегами. Цей конвертер прибирає HTML і повертає чистий файл .txt лише з текстом, який можна прочитати.
Конвертер документів
або перетягніть Файли PDF, DOC, DOCX … сюди ·
До 95 МБ на файл· До 20 файлів· Видаляються через 30 хв
Файли обробляються на наших серверах і видаляються через 30 хв.
150 DPI перетворює сторінку A4 приблизно на 1240 × 1754 px. Для друку використовуйте 300.
Перетворити весь файл або лише частину сторінок чи слайдів (для PDF і презентацій).
Сторінки або слайди для перетворення, наприклад 1-3, 5, 8-10.
UTF-8 підходить для всіх мов. Виберіть UTF-8 with BOM, якщо Excel або Блокнот у Windows показує спотворені символи; застарілі кодування — лише для старих програм.
LF — для macOS, Linux і редакторів коду; CRLF — для старіших програм Windows, як-от класичний Блокнот.
Кома — стандартний варіант. Для Excel у країнах, де десяткові дроби пишуть через кому (Німеччина, Франція, Бразилія), використовуйте крапку з комою.
Для файлів Excel з кількома аркушами: перетворити всі (по одному розділу чи файлу на аркуш) або лише перший.
Як користуватися цим інструментом
- 1
Завантажте файли HTML
Додайте до 20 файлів .html або .htm розміром до 95 MB кожен, наприклад сторінки, збережені з браузера або експортовані з CMS чи сервісу розсилок.
- 2
Виберіть кодування й символи кінця рядка
Для Форматування вибрано «Лише текст», для Кодування тексту — UTF-8, для Закінчення рядків — LF. Виберіть CRLF, якщо текст потрапить у стару програму для Windows.
- 3
Конвертуйте й використовуйте текст
Натисніть Конвертувати в TXT і завантажте по одному текстовому файлу на кожну сторінку або ZIP для всієї партії.
Як найшвидше перетворити HTML на звичайний текст?
Завантажте файл .html, залиште для Форматування значення «Лише текст» і натисніть Конвертувати в TXT. Ви отримаєте текстовий файл UTF-8 з читабельним вмістом без розмітки.
HTML у текст: коли розмітка заважає
Типова сторінка зі статтею містить набагато більше розмітки, скриптів і стилів, ніж власне тексту. У браузері це не заважає, а в усіх інших місцях стає проблемою. Пам’ять перекладів, пошукові індекси, промпти для мовних моделей, скрипти аналізу тексту й перевірки доступності потребують саме слів, а кожен тег, вбудований стиль чи скрипт відстеження, що проскочив, стає шумом.
Копіювання з вікна браузера теж не вирішує проблему. Виділення захоплює меню та сповіщення про файли cookie, губить розриви абзаців або тягне за собою невидиме форматування. Конвертація збереженого файлу HTML повторювана, працює з двадцятьма сторінками одразу й щоразу дає однаковий результат.
Якщо потрібно зберегти певну структуру, заголовки та списки з позначками # і -, оберіть натомість HTML у Markdown. Щоб піти в зворотний бік і загорнути звичайний текст у розмітку, скористайтеся TXT у HTML.
На що перетворюється кожна частина сторінки у файлі TXT
| У HTML | У текстовому файлі |
|---|---|
| Абзаци та заголовки | Блоки тексту, розділені порожніми рядками |
| Розриви рядків <br> | Розриви рядків |
| Елементи списку | Один елемент в одному рядку |
| Клітинки таблиці | Текст клітинок у порядку читання, рядок за рядком |
| Посилання | Текст посилання без адреси |
| &, é і | &, é і нерозривний пробіл |
| <script>, <style>, коментарі | Видаляються повністю |
| Зображення | Видаляються; картинки не мають текстової форми |
HTML
HyperText Markup Language
HTML — мова розмітки вебу, яку на початку 1990-х описав Тім Бернерс-Лі і яку тепер підтримує WHATWG як «живий стандарт». Файл HTML описує заголовки, абзаци, посилання, таблиці, зображення та форми, а оформлення зазвичай задає CSS. Його відображає кожен браузер, а ще його використовують для шаблонів листів і збережених вебсторінок. Один файл HTML часто залежить від зовнішніх зображень і таблиць стилів, тому окремо він може виглядати зламаним.
- Стиснення
- –
- Прозорість
- –
- Анімація
- –
- Рік появи
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
Простий текст
Файл TXT містить лише звичайні символи без форматування, шрифтів, зображень чи макета. Сучасні текстові файли зазвичай кодуються в UTF-8, що охоплює всі мови, хоча старіші можуть мати інші кодування й показувати нечитабельні символи. Простий текст дуже малий, ніколи не застаріває та відкривається на будь-якому пристрої — від телефонів до серверів. У ньому не можна зберегти жирний шрифт, таблиці чи картинки, тож структуру доводиться передавати відступами або простою розміткою.
- Стиснення
- –
- Прозорість
- –
- Анімація
- –
- Рік появи
- –
HTML перетворюють на звичайний текст, коли важливі лише слова: щоб передати статтю в інструмент аналізу чи перекладу, створити текстовий корпус, написати текстову частину листа або порахувати слова без розмітки.
Від 18 тегів до живого стандарту
Як працює конвертація HTML у TXT
Читання сторінки
Файл розбирається так, як його розбирає браузер, із кодуванням, указаним на сторінці.
Прибирання розмітки
Теги, скрипти, стилі та коментарі видаляються; символьні посилання стають справжніми символами.
Запис тексту
Читабельний текст зберігається у вибраному Кодування тексту з потрібними Закінчення рядків.
Запитання про конвертацію HTML у текст
Як витягти текст з HTML, щоб не лишилося жодного тегу?
Завантажте файл сюди, залишивши для Форматування значення «Лише текст». Теги, атрибути, скрипти й таблиці стилів видаляються, а символьні посилання, як-от &, перетворюються на символи, які вони позначають.
Чи зберігає конвертер HTML у текст адреси посилань?
Видимий текст посилання залишається в реченні, а сама URL-адреса за ним — ні. Якщо адреси потрібні, скористайтеся HTML у Markdown: там посилання записуються як [текст](url).
Звідки беруться  або ’ у тексті, скопійованому з вебсторінки?
Це текст UTF-8, який прочитано як Windows-1252, — класична плутанина з кодуваннями. Конвертер зчитує кодування, указане на сторінці, і записує чистий UTF-8, тому лапки-«лапки» та нерозривні пробіли виходять справжніми символами.
Чи можна так порахувати слова на вебсторінці?
Так. Під час конвертації зникають розмітка, код і прихований текст скриптів, які завищують сирий підрахунок. Видаліть із .txt залишки навігації та вставте текст у будь-який лічильник слів.
Чи підходить звичайний текст для текстової версії розсилки?
Так. Багато поштових платформ надсилають текстову частину разом із HTML, а поштові клієнти, які не можуть або не хочуть показувати HTML, відображають саме її. Конвертуйте HTML розсилки, а потім упорядкуйте довжину рядків перед вставленням у текстове поле.