Online konvertor MHTML do TXT zdarma

Zdrojový formát

MHTML (také uváděno jako .mht nebo .mhtml) je formát webového archivu, který slouží k uložení celé webové stránky do jednoho souboru. Sdružuje dokument HTML spolu s propojenými zdroji, jako jsou obrázky, styly a někdy i skripty, do jednoho kontejneru pomocí MIME kódování. MHTML se běžně používá v prohlížečích a nástrojích souvisejících s e-mailem pro archivaci stránek, sdílení snímku stránky nebo uchování obsahu pro offline zobrazení.

Cílový formát

TXT je formát prostého textu, který ukládá pouze čitelné znaky bez formátování, obrázků nebo vložených objektů. Jeho hlavní výhody jsou jednoduchost, malá velikost souboru a široká kompatibilita napříč operačními systémy, editory a nástroji pro automatizaci. TXT se typicky používá pro poznámky, logy, skripty, extrahovaný text a výměnu dat, když není potřeba formátování.

Jak provést konverzi

Nejlepší metoda závisí na tom, zda chcete rychlou extrakci textu, nebo přesnější konverzi. Ve většině případů je nejjednodušší postup otevřít soubor MHTML v prohlížeči nebo nástroji pro dokumenty a uložit či exportovat viditelný text do TXT. Pokud potřebujete lepší kontrolu nad extrahovaným obsahem, použijte desktopovou aplikaci nebo workflow z příkazové řádky.

1. Otevřete soubor MHTML v prohlížeči, jako je Microsoft Edge, Google Chrome nebo Mozilla Firefox, pokud soubor podporují, nebo v editoru dokumentů, který umí číst webové archivy.
2. Extrahujte text tak, že vyberete obsah, který chcete, a zkopírujete jej do editoru prostého textu, jako je Notepad, TextEdit v režimu prostého textu, nebo Notepad++.
3. Uložte jako TXT pomocí File → Save As, poté zvolte .txt jako příponu názvu souboru a plain text jako typ souboru, pokud budete vyzváni.
4. Pro dávkovou nebo automatizovanou konverzi použijte nástroj pro zpracování textu, který po extrakci stránky z archivu odstraní HTML značky. Praktický desktopový postup je otevřít soubor v prohlížeči, zkopírovat vykreslený text a vložit jej do editoru prostého textu před uložením jako TXT.

Pokud váš soubor MHTML obsahuje převážně text článku, tato metoda obvykle poskytne čistý výsledek. Pokud obsahuje složité rozvržení stránky, extrahovaný TXT se převede do lineární podoby a nemusí dokonale zachovat původní pořadí čtení.

Poznámky k kvalitě a omezením

TXT nedokáže zachovat formátování, obrázky, tabulky, hypertextové odkazy ani vložená média z MHTML. Zůstane pouze textový obsah a i ten může ztratit strukturu, jako jsou nadpisy, sloupce nebo seznamy. Pokud zdrojová stránka používá dynamický obsah, skripty nebo prvky načítané se zpožděním, tyto části se nemusí ve uloženém textu objevit, pokud nebyly před extrakcí plně vykreslené.

Kódování znaků je další důležitý faktor. Při ukládání do TXT zvolte UTF-8, pokud je k dispozici, abyste předešli „rozbitým“ znakům mimo ASCII. Také mějte na paměti, že některé soubory MHTML jsou specifické pro prohlížeč a nemusí se v každé aplikaci otevřít stejně, takže extrahovaný text se může lišit podle použitého nástroje.