HTML 轉純文字
儲存下來的網頁、電子報和匯出的說明文章大多是標記碼，你真正需要的文字都藏在標籤之間。這個轉換工具會移除 HTML，給你一個乾淨的 .txt 檔案，裡面只有可閱讀的文字。
文件轉換器
或將PDF, DOC, DOCX … 檔案拖曳到這裡 ·
每個檔案最大 95 MB· 最多 20 個檔案· 30 分鐘後刪除
檔案會在我們的伺服器上處理，並於 30 分鐘後刪除。
150 DPI 會將 A4 頁面轉為約 1240 × 1754 px。列印請用 300。
轉換整個檔案，或只轉換部分頁面或投影片（適用於 PDF 與簡報輸入）。
要轉換的頁面或投影片，例如 1-3, 5, 8-10。
UTF-8 適用於所有語言。若 Windows 上的 Excel 或記事本顯示亂碼，請選擇含 BOM 的 UTF-8；舊式編碼僅適用於老舊軟體。
LF 適用於 macOS、Linux 與程式碼編輯器；CRLF 適用於舊版 Windows 程式，例如傳統記事本。
逗號是標準設定。在以逗號表示小數的國家（德國、法國、巴西）使用 Excel 時，請選分號。
含多個工作表的 Excel 輸入：轉換全部（每個工作表一個區段或檔案），或只轉換第一個。
使用方式
- 1
上傳 HTML 檔案
最多可加入 20 個 .html 或 .htm 檔案，每個最大 95 MB，例如從瀏覽器儲存的網頁，或從 CMS、電子郵件工具匯出的檔案。
- 2
選擇編碼與換行符號
格式預設為僅文字，文字編碼為 UTF-8，換行字元為 LF。如果文字要用在舊版 Windows 程式，請選擇 CRLF。
- 3
轉換並使用文字
按下 轉換為 TXT，即可下載每個網頁各一個文字檔，整批轉換則會下載一個 ZIP。
要把 HTML 轉成純文字，最快的方法是什麼？
上傳 .html 檔案，將格式維持為僅文字，然後按下 轉換為 TXT。你會得到只含可讀內容、沒有任何標記的 UTF-8 文字檔。
HTML 轉純文字：當標記碼礙事的時候
一般的文章頁面，標記、指令碼與樣式遠多於正文。在瀏覽器中沒有問題，但在其他地方就很麻煩。翻譯記憶庫、搜尋索引、語言模型提示詞、文字分析指令碼與無障礙檢查都只需要文字，而每個混入的標籤、行內樣式或追蹤指令碼都會變成雜訊。
從瀏覽器視窗複製也無法解決。選取時會連選單和 Cookie 通知一起抓進來，貼上後段落換行消失，或帶入看不見的格式。轉換儲存下來的 HTML 檔案則可重複進行，一次能處理二十個網頁，而且每次輸出都相同。
如果希望保留部分結構，例如用 # 和 - 標示的標題與清單，請改用 HTML 轉 Markdown。若想反過來把純文字包進標記中，請使用 TXT 轉 HTML。
網頁各部分在 TXT 檔案中會變成什麼
| HTML 中 | 文字檔中 |
|---|---|
| 段落與標題 | 以空行分隔的文字區塊 |
| <br> 換行 | 換行 |
| 清單項目 | 每行一個項目 |
| 表格儲存格 | 依閱讀順序逐列排列的儲存格文字 |
| 連結 | 連結文字，不含網址 |
| &、é、 | &、é 與不斷行空格 |
| <script>、<style>、註解 | 完全移除 |
| 圖片 | 移除；圖片沒有文字形式 |
HTML
超文字標記語言
HTML 是網頁的標記語言，由 Tim Berners-Lee 在 1990 年代初期提出，現由 WHATWG 以持續更新的標準維護。HTML 檔案用來描述標題、段落、連結、表格、圖片和表單，樣式通常由 CSS 提供。所有瀏覽器都能呈現 HTML，電子郵件範本和儲存的網頁也使用它。單一 HTML 檔案常依賴外部圖片和樣式表，單獨移動後可能會顯示異常。
- 壓縮方式
- –
- 透明度
- –
- 動畫
- –
- 推出年份
- 1993 · Tim Berners-Lee; maintained by WHATWG
TXT
純文字
TXT 檔只包含單純的字元，沒有格式、字型、圖片或版面。現代文字檔通常以涵蓋所有語言的 UTF-8 編碼，不過較舊的檔案可能使用其他編碼而出現亂碼。純文字檔極小、永不過時，從手機到伺服器的每種裝置都能開啟。它無法容納粗體、表格或圖片，因此結構只能靠空白或簡單標記來表示。
- 壓縮方式
- –
- 透明度
- –
- 動畫
- –
- 推出年份
- –
當只需要文字內容時，就會把 HTML 轉成純文字：把文章交給分析或翻譯工具、建立文字語料庫、撰寫電子郵件的純文字版本，或在不含標記的情況下計算字數。
從 18 個標籤到持續更新的標準
HTML 轉 TXT 的運作方式
讀取網頁
依瀏覽器解析網頁的方式讀取檔案，並使用網頁宣告的字元集。
移除標記
標籤、指令碼、樣式與註解都會移除；字元參照會轉成實際字元。
寫出文字
可讀文字會以你選擇的文字編碼與換行字元儲存。
HTML 轉純文字常見問題
如何從 HTML 擷取文字，不留下任何標籤？
在這裡上傳檔案，並將格式設為僅文字。標籤、屬性、指令碼與樣式表都會被移除，& 這類字元參照會還原成它代表的字元。
HTML 轉純文字會保留連結網址嗎？
連結的可見文字會保留在句子中，背後的網址則不會。如果需要網址，請改用 HTML 轉 Markdown，連結會以 [text](url) 的形式寫出。
從網頁複製的文字為什麼會出現  或 ’？
這是 UTF-8 文字被當成 Windows-1252 讀取，是常見的編碼混淆。轉換器會讀取網頁宣告的字元集並輸出乾淨的 UTF-8，因此彎引號與不斷行空格都會以正確的字元呈現。
可以用這個方法計算網頁字數嗎？
可以。先轉換能移除標記、程式碼與隱藏的指令碼文字，這些內容會讓原始字數虛增。請刪除 .txt 中殘留的導覽列文字，再貼到任何字數統計工具。
電子報的純文字版本適合用純文字格式嗎？
可以。許多電子郵件平台會在 HTML 之外同時寄出純文字版本，無法或不願顯示 HTML 的郵件軟體就會改顯示它。先轉換電子報的 HTML，再整理每行長度，然後貼到純文字欄位。