Online konvertor HTML do TEXT zdarma

Textový importer, skript nebo archivační systém může odmítnout soubor HTML, protože očekává neformátované znaky. Převod souboru do .txt odstraní značky a styly, čímž vznikne menší soubor, který se snadněji prohledává, upravuje a vyměňuje.

Co je formát HTML

HTML (HyperText Markup Language) ukládá strukturu a obsah dokumentu pomocí prvků, jako jsou <p>, <h1>, <a> a <table>. CSS řídí vzhled, zatímco JavaScript může přidávat chování. Prohlížeče zobrazují HTML a vytvářet nebo exportovat jej mohou editory webových stránek, systémy pro správu obsahu, e-mailové aplikace, nástroje pro tvorbu dokumentace a editory kódu. Soubory běžně používají příponu .html nebo .htm.

Co je formát TEXT

Soubor prostého textu obvykle používá příponu .txt a typ média text/plain. Obsahuje znaky bez HTML značek, písem, barev, obrázků, rozvržení stránky nebo interaktivního chování. Mohou jej otevřít programy Notepad, TextEdit, Vim, nástroje příkazového řádku, importéry databází, e-mailové systémy a většina operačních systémů.

Prostý text je užitečný pro protokoly, poznámky, výměnu zdrojových dat, workflow přístupnosti, správu verzí a dlouhodobou archivaci. Jeho výhodami jsou malá velikost souboru, široká kompatibilita a snadné vyhledávání. Nadpisy, odstavce a položky seznamů mohou zůstat čitelné, jejich vizuální formátování však nelze zachovat.

Jak převést HTML na TEXT

Pomocí 101convert: Otevřete převodník HTML na TEXT na webu 101convert.com, přidejte soubor .html nebo .htm, spusťte převod a stáhněte výsledný soubor .txt. Není nutné instalovat žádný software. Nenahrávejte důvěrný obsah ani obsah podléhající regulaci, pokud podmínky nakládání s daty této služby nevyhovují vašim požadavkům.

Pomocí Pandoc: Nainstalujte Pandoc, otevřete terminál nebo příkazový řádek ve složce se zdrojovým souborem a spusťte:

pandoc input.html -t plain -o output.txt

Podle potřeby nahraďte názvy souborů; pokud se soubor nachází v jiné složce, použijte úplné cesty. Pandoc převádí běžné nadpisy, odstavce, seznamy, citace a další strukturální prvky na ekvivalenty v prostém textu. Chcete-li zabránit automatickému zalamování řádků, můžete použít:

pandoc input.html -t plain --wrap=none -o output.txt

Pomocí LibreOffice: Otevřete soubor pomocí File → Open, zvolte File → Save As, vyberte Text (.txt) a potvrďte export. Pokud se zobrazí dialog pro kódování, zvolte UTF-8. Tato možnost umožňuje před uložením zkontrolovat vykreslený obsah dokumentu.

Pomocí prohlížeče: Otevřete místní soubor HTML, vyberte požadovaný viditelný obsah, zkopírujte jej, vložte do editoru prostého textu a uložte jako output.txt. To je praktické u krátké stránky, může to však zahrnout navigaci a další viditelné prvky rozhraní, vynechat skrytý obsah a změnit mezery.

Omezení kvality a kompatibility

Prostý text nedokáže reprezentovat obrázky, video, formuláře, skripty, rozvržení CSS, barvy, volby písem ani interaktivní chování. Tabulky se mohou změnit na nerovnoměrné sloupce a vícesloupcová rozvržení se mohou zobrazit v neočekávaném pořadí. Odkazy se obvykle převedou na své viditelné popisky namísto odkazů, na které lze kliknout; adresy URL uchovejte samostatně nebo použijte volbu převodníku či parser určený k jejich zahrnutí.

Zdroj HTML nemusí vždy obsahovat obsah zobrazený v prohlížeči. Stránky, které vytvářejí text pomocí JavaScriptu, mohou při přímém zpracování pomocí Pandoc nebo jiného převodníku založeného na zdroji poskytnout jen málo použitelného výstupu. Takové stránky vykreslete v prohlížeči a výsledek zkopírujte nebo použijte nástroj, který podporuje požadované chování stránky.

Výsledek ukládejte jako UTF-8, aby se zachovaly znaky s diakritikou, symboly a nelatinská písma. Starší aplikace mohou vyžadovat Windows-1252 nebo jiné starší kódování; použití nesprávného kódování může způsobit poškození znaků. Zkontrolujte převedený soubor v programu, který jej bude zpracovávat, zejména pokud záleží na koncích řádků, datech oddělených tabulátory nebo přesných pozicích sloupců.