Online konvertor HTML do TXT zdarma

Některé programy, nástroje příkazového řádku, archivy a e-mailové systémy přijímají pouze prostý text, takže uložené webové stránky je před použitím nutné zbavit HTML značek. Převod souboru také vytvoří menší verzi s možností vyhledávání, která je vhodná pro úpravy, protokolování nebo dlouhodobou archivaci textu.

Co je formát HTML

HTML je značkovací jazyk, který definuje strukturu dokumentu včetně nadpisů, odstavců, odkazů, seznamů, tabulek, obrázků, formulářů, skriptů a formátování. Prohlížeče vykreslují soubory HTML, zatímco editory a publikační systémy, jako jsou Visual Studio Code, Notepad++, WordPress a nástroje pro tvorbu webů, je vytvářejí nebo upravují. Uložené webové stránky, exportované reporty, e-mailové zprávy a zdrojové dokumenty webů běžně používají soubory .html nebo .htm.

Co je formát TXT

TXT ukládá znaková data bez HTML značek, stylů CSS, písem, barev, obrázků, skriptů nebo rozvržení stránky. Otevírá se v základních editorech, jako jsou Notepad a TextEdit, v terminálových editorech, systémech pro správu dokumentů a ve většině operačních systémů. Prostý text je obvykle malý, lze v něm vyhledávat, snadno se spravuje pomocí verzovacího systému a přijímá ho software, který odmítá formátované dokumenty.

Soubor TXT stále používá určité kódování a konvenci zakončení řádků. UTF-8 je nejbezpečnější obecná volba, protože podporuje znaky s diakritikou, nelatinská písma a symboly; Windows-1252, ISO-8859-1 a další starší kódování podporují méně znaků.

Jak převést HTML na TXT

Pomocí 101convert.com

1. Otevřete převodník HTML na TXT na webu 101convert.com; lze ho používat zdarma bez instalace softwaru.
2. Vyberte nebo nahrajte zdrojový soubor .html nebo .htm.
3. Spusťte převod a uložte výsledný soubor .txt.
4. Otevřete výstup v textovém editoru a zkontrolujte nadpisy, seznamy, tabulky, odkazy a neanglické znaky.

Pomocí Pandoc lokálně

Pandoc je vhodný pro opakovatelný převod pomocí příkazového řádku. Spusťte:

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

Pandoc ve výchozím nastavení zapisuje textový výstup v kódování UTF-8. U lokálního souboru HTML, který odkazuje na relativní obrázky, šablony stylů nebo jiné prostředky, ponechte odkazované složky během převodu dostupné; tyto prostředky mohou ovlivnit analýzu, ale obrázky a vizuální styly nelze v TXT reprezentovat.

Pomocí prohlížeče pro vybraný obsah

Otevřete soubor v prohlížeči, vyberte obsah, který chcete zachovat, zkopírujte ho a vložte do editoru prostého textu pomocí možnosti Edit → Paste and Match Style, Paste as plain text nebo jejího ekvivalentu v editoru. Uložte výsledek jako output.txt a pokud se zobrazí možnost kódování, vyberte UTF-8. Tato metoda převádí pouze vybraný vykreslený obsah, takže může vynechat navigaci, skryté části nebo obsah vložený skripty; může také změnit sloupce tabulek a odsazení seznamů.

Pomocí LibreOffice

Otevřete soubor HTML v LibreOffice a zvolte File → Save As. Vyberte Text (.txt), soubor uložte a v dialogu exportu poté zvolte nastavení kódování znaků a zakončení řádků. Tato možnost je užitečná pro ruční převod, ale výsledné mezery a rozvržení tabulek stále závisí na tom, jak LibreOffice interpretuje HTML.

Omezení kvality a kompatibility

Přejmenování přípony z .html na .txt obsah nepřevede: HTML značky, skripty a atributy v souboru zůstanou. Textový editor může zobrazit zdrojový kód, ale program pracující s prostým textem tento zdroj automaticky nepřevede na čitelný text stránky.

TXT nedokáže zachovat CSS, rozvržení stránky, obrázky, zvuk, video, formuláře, skripty, chování klikacích odkazů ani přesnou strukturu tabulek. Převodník může zachovat viditelný popisek odkazu, zapsat jeho URL nebo cílové umístění zahodit. Navigace, reklamy, skryté prvky a obsah generovaný skripty mohou být vynechány nebo zahrnuty odlišně podle toho, zda převod čte původní zdroj, nebo stránku vykreslenou prohlížečem.

Po převodu zkontrolujte dlouhé řádky, mezery mezi prázdnými řádky, značky seznamů a data v tabulkách, protože prostý text nemá univerzální standard rozvržení. Pokud se znaky zobrazují poškozeně, znovu soubor otevřete s použitím zdrojového kódování nebo ho explicitně převeďte na UTF-8; změna přípony názvu souboru nemůže opravit nesoulad v kódování.