Pourquoi convertir MHT en TXT ?
La conversion de .mht en .txt supprime toutes les balises HTML, les images et le CSS pour ne laisser que les mots lisibles - utile pour injecter le contenu d'une page dans des outils de recherche, des processeurs de texte ou d'autres flux de travail ne gérant pas le HTML ou le MHTML.
Comment convertir MHT en TXT
Microsoft Word EASIEST
Ouvrez le .mht dans Word via Fichier > Ouvrir, puis utilisez Fichier > Enregistrer sous et choisissez « Texte brut (*.txt) ». Sélectionnez l'encodage UTF-8 lorsque Word demande le jeu de caractères.
À propos de ces formats
Un fichier MHT (MHTML) est une page web complète - incluant le HTML, les images, le CSS et les scripts - regroupée dans un seul fichier utilisant le même emballage MIME que les e-mails.…
Ouvrir les détails de .MHT →Un fichier TXT est du texte brut, non formaté - le format de document le plus simple sur n'importe quel ordinateur. Double-cliquez dessus : Windows l'ouvre dans Notepad, macOS dans…
Ouvrir les détails de .TXT →Qualité et points de vigilance
- Toutes les images, la mise en forme CSS, les hyperliens et la mise en page sont supprimés ; le
.txtne contient que des caractères de texte visibles. - Le copier-coller du navigateur ne capture que ce qui est rendu à l'écran ; le contenu masqué par CSS (
display:none) n'apparaîtra pas dans le résultat. - Un fichier
.mhtest techniquement basé sur du texte et peut être ouvert dans le Bloc-notes, mais les ressources binaires (images, polices) sont encodées en Base64 et apparaissent comme des caractères illisibles si vous lisez le fichier brut directement.
Foire aux questions
Tout le contenu de la page sera-t-il capturé ?
Quel encodage dois-je choisir lorsque Word me le demande lors de l'exportation ?
Puis-je automatiser l'extraction de nombreux fichiers .mht ?
email intégré de Python peut analyser le MHTML sans paquets tiers ; la bibliothèque html2text convertit la partie HTML extraite en texte brut lisible.Existe-t-il un moyen de conserver les hyperliens dans la sortie texte brut ?
.txt ne prend pas en charge les hyperliens ; les URL des liens sont perdues à moins que le navigateur ne les affiche comme du texte visible sur la page.