HTML转文本转换器
保存的网页、电子邮件简报和导出的帮助文章大多是标记代码，真正需要的文字被埋在标签之间。这个转换器会去掉HTML，返回一个干净的.txt文件，只保留可读文字。
文档转换器
或将PDF, DOC, DOCX … 文件拖放到此处 ·
单个文件最大 95 MB· 最多 20 个文件· 30 分钟后删除
文件在我们的服务器上处理，并在 30 分钟后删除。
150 DPI 会把一页 A4 转为约 1240 × 1754 px。需要打印时请用 300。
转换整个文件，或只转换部分页面或幻灯片（适用于 PDF 和演示文稿输入）。
要转换的页面或幻灯片，例如 1-3, 5, 8-10。
UTF-8 适用于所有语言。如果 Windows 上的 Excel 或记事本显示乱码，请选择带 BOM 的 UTF-8；旧编码仅用于老软件。
LF 适用于 macOS、Linux 和代码编辑器；CRLF 适用于较旧的 Windows 程序，如经典记事本。
逗号是标准分隔符。在以逗号作小数点的国家（德国、法国、巴西）使用 Excel 时，请用分号。
包含多个工作表的 Excel 输入：全部转换（每个工作表一个部分或文件），或只转换第一个。
使用方法
- 1
上传HTML文件
最多添加 20 个 .html 或 .htm 文件，每个不超过 95 MB，例如从浏览器保存的网页，或从 CMS、邮件工具导出的页面。
- 2
选择编码和换行符
格式默认为“仅文本”，文本编码为 UTF-8，换行符为 LF。如果文本要用在老旧的 Windows 程序里，请选择 CRLF。
- 3
转换并使用文本
点击转换为 TXT，每个网页下载一个文本文件；批量转换时可下载 ZIP 压缩包。
把 HTML 转成纯文本最快的方法是什么？
上传 .html 文件，保持格式为“仅文本”，然后点击转换为 TXT。你会得到一个 UTF-8 文本文件，只有可读内容，没有任何标记。
HTML转文本：当标记代码碍事时
一个典型的文章页面，标记、脚本和样式的数量远多于正文。这在浏览器里没问题，在其他地方却是麻烦。翻译记忆库、搜索索引、语言模型提示词、文本分析脚本和无障碍审查都只需要文字，而混进来的每个标签、内联样式或跟踪脚本都会变成噪声。
从浏览器窗口里复制也解决不了问题。选中的内容会带上菜单和 Cookie 提示，粘贴时可能丢失段落分隔，或带入看不见的格式。转换保存下来的 HTML 文件则可重复操作，一次能处理二十个页面，而且每次输出都一样。
如果希望保留一些结构，例如用 # 和 - 标记的标题和列表，请改用 HTML转Markdown。如果想反过来，把纯文本包进标记中，请使用 TXT转HTML。
网页各部分在TXT文件中会变成什么
| 在 HTML 中 | 在文本文件中 |
|---|---|
| 段落和标题 | 以空行分隔的文本块 |
| <br> 换行 | 换行 |
| 列表项 | 每项一行 |
| 表格单元格 | 按阅读顺序逐行输出单元格文字 |
| 链接 | 链接文字，不含网址 |
| &、é、 | &、é 和一个不间断空格 |
| <script>、<style>、注释 | 完全移除 |
| 图片 | 移除；图片没有文字形式 |
HTML
超文本标记语言
HTML 是网页的标记语言，由 Tim Berners-Lee 在 20 世纪 90 年代初提出，现由 WHATWG 作为活标准维护。HTML 文件描述标题、段落、链接、表格、图片和表单，样式通常由 CSS 提供。所有浏览器都能渲染它，它也用于邮件模板和保存的网页。单个 HTML 文件往往依赖外部图片和样式表，单独移动后可能显示异常。
- 压缩方式
- –
- 透明度
- –
- 动画
- –
- 发布年份
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
纯文本
TXT 文件只包含纯字符,没有格式、字体、图片或版面。现代文本文件通常采用 UTF-8 编码,可涵盖所有语言,而较旧的文件可能使用其他编码,从而显示乱码。纯文本体积极小,永不过时,从手机到服务器的所有设备都能打开。它无法保存粗体、表格或图片,结构只能靠间距或简单标记来表达。
- 压缩方式
- –
- 透明度
- –
- 动画
- –
- 发布年份
- –
当只需要文字内容时，就会把 HTML 转为纯文本：把文章交给分析或翻译工具、构建文本语料库、编写邮件的纯文本部分，或在不含标记的情况下统计字数。
从18个标签到持续更新的标准
HTML转TXT的工作原理
读取网页
按浏览器解析网页的方式解析文件，并使用网页声明的字符集。
去除标记
标签、脚本、样式和注释都会被去掉；字符引用会转为真实字符。
写出文本
可读文本会按你选择的文本编码和换行符保存。
HTML转文本常见问题
如何从HTML中提取文字且不残留任何标签？
在此处上传文件，并将格式设为“仅文本”。标签、属性、脚本和样式表都会被移除，& 这类字符引用会还原为对应的字符。
HTML转文本时会保留链接地址吗？
链接上可见的文字会保留在句子中，其背后的网址不会保留。如果需要这些网址，请用 HTML转Markdown 转换，链接会写成 [文字](url) 的形式。
从网页复制的文字里为什么会出现Â或’？
这是 UTF-8 文本被当作 Windows-1252 读取造成的典型编码混乱。转换器会读取网页声明的字符集，并输出干净的 UTF-8，因此弯引号和不间断空格都会还原为真实字符。
可以用这种方法统计网页字数吗？
可以。先转换能去掉标记、代码和隐藏的脚本文字，这些内容会让直接统计的字数虚高。从 .txt 中删掉残留的导航行，再粘贴到任意字数统计工具即可。
电子邮件简报的纯文本版本适合用TXT格式吗？
可以。许多邮件平台会在 HTML 之外同时发送纯文本部分，无法或不愿渲染 HTML 的邮件客户端会显示它。先转换新闻邮件的 HTML，再调整行的长度，然后粘贴到纯文本栏中。