Softonic

Convertitore da HTML a Testo

Passaggio 1 / 2
Avanti

Le email in testo semplice, l’analisi del testo e le pipeline di conteggio parole necessitano tutte che l’HTML venga trasformato nella stringa leggibile che un umano vedrebbe, senza artefatti di markup. Incolla HTML e questo strumento rimuove ogni tag, decodifica le entità (& → &), riduce le sequenze di spazi bianchi create dall’indentazione e restituisce un blocco pulito di prosa leggibile pronto per l’analisi o per la parte text/plain di un’email multipart.

Come rimuovere HTML per ottenere testo

  1. 1

    Incolla HTML

    Qualsiasi dimensione, un frammento, un corpo email ricco o un'intera pagina.

  2. 2

    Converti

    Un clic: ogni tag e attributo viene rimosso e le entità vengono decodificate.

  3. 3

    Controlla i ritorni a capo

    Paragrafi, elementi di elenco e righe di tabella diventano righe separate, così il testo mantiene la sua struttura.

  4. 4

    Copia il testo

    L'output è testo Unicode semplice, sicuro da utilizzare in un contatore di parole, un modello di email o un modello di sentiment.

Come la conversione gestisce i tag problematici

Trasformare HTML in testo è più di string.replace(/<[^>]+>/, ""): un’espressione regolare ingenua lascia i codici delle entità e gli spazi di indentazione al loro posto e non sa che </p> dovrebbe iniziare una nuova riga.

Tag a livello di blocco vs inline

I tag a livello di blocco (<br>, e i tag di chiusura </p>, </div>, </h1> a </h6>, </li>, </tr>) producono un ritorno a capo ciascuno. I tag inline (<a>, <span>, <strong>) non lasciano spazi bianchi, quindi le parole non si fondono.

Comportamenti specifici dei tag

Tag Trattamento
<br> Un ritorno a capo
</p>, </div>, </h1> a </h6> Un ritorno a capo per ogni tag di chiusura
</li>, </tr> Un ritorno a capo; non vengono aggiunti puntini elenco né separatori di celle
<a href="url">text</a> text; l’attributo href viene rimosso
<img alt="text"> Niente, il tag non ha testo visibile
<script>, <style> I tag vengono rimossi, il testo tra di essi resta

Decodifica delle entità

  • Le entità nominate (&amp;, &copy;, &eacute;) si decodificano nel loro carattere Unicode.
  • Anche le entità numeriche (&#169;, &#x00A9;) si decodificano.
  • Le entità sconosciute vengono preservate letteralmente, affinché gli strumenti di analisi le vedano.

Normalizzazione degli spazi bianchi

  • Gli spazi e le tabulazioni prima di un ritorno a capo vengono rimossi.
  • Tre o più righe vuote consecutive si riducono a una sola.
  • Gli spazi tra le parole vengono conservati così come sono; il convertitore non riformatta il testo.

Usi

  • Generare la parte text/plain di un’email multipart.
  • Pulire articoli estratti prima di passarli a un modello linguistico.
  • Fornire un indice di ricerca in testo semplice.
  • Calcolare un conteggio parole onesto che ignora il markup.

Domande frequenti

La formattazione visiva (grassetto, colore, font) viene persa, questo è il punto. La struttura sopravvive come ritorni a capo: paragrafi, elementi di elenco e righe di tabella diventano righe separate, quindi il testo rimane leggibile.

Il testo visibile del link resta, ma l’URL viene rimosso insieme agli attributi del tag. Se ti servono gli URL, usa invece un convertitore dedicato da HTML a Markdown.

Il convertitore rimuove i tag stessi, ma conserva il testo che contengono, quindi il contenuto dei blocchi <script> e <style> resta nell’output. Rimuovilo prima dall’HTML sorgente se non lo vuoi.

Sì. L’output è UTF-8 e preserva ogni carattere non ASCII dall’input. Entità come &copy; e &eacute; si decodificano nei loro equivalenti Unicode.

Strumenti correlati

Riferimento Tabella ASCII

Tabella ASCII completa da 0 a 127 con decimale, esadecimale, ottale, binario e riferimento numerico HTML per ogni carattere, inclusi i codici di controllo come NUL, LF e DEL.

Riferimento ai caratteri HTML

Elenco ricercabile delle entità HTML, dei loro codici nominati e numerici, e copia con un clic per caratteri e simboli speciali.

Generatore di lettere casuali

Genera lettere A-Z casuali. Scegli la quantità, usa maiuscole, minuscole o un mix, e applica il risultato a giochi, spunti o attività in classe.

Riferimento scorciatoie da tastiera

Cerca le scorciatoie predefinite documentate di VS Code, Chrome e Bash con GNU Readline su macOS, Windows e Linux.

Trova nome colore

Trova il colore CSS standard con nome più vicino a un valore HEX, RGB o HSL usando la differenza CIEDE2000.

Formatter HTML

Formatta HTML localmente nel browser con rientri di due o quattro spazi. L’HTML non viene caricato né validato.

Strumento disponibile in altre lingue