HTML から TXT への変換方法
- .HTML ファイルを追加してください。上のボックスにドロップするか、クリックしてブラウズします。
- 数秒で .TXT に変換されます。
- 新しい .TXT ファイルをダウンロードしてください。
期待される結果
.htmlの拡張子を.txtに変更しても変換はされません。マークアップタグが残ったままになり、非常に読みづらいテキストファイルになります。- 画像は完全に失われます。ハイパーリンクの URL は、URL をブラケット内に追記する
html2textを使用しない限り削除されます。 - 正規表現による単純なタグ削除では、
&のような HTML エンティティがそのまま残ります。ブラウザでの貼り付けや Pandoc を使用すれば、これらは自動的にデコードされます。
よくある質問
ブラウザからのコピー＆ペーストで、ページ上のすべてのテキストを取得できますか？
取得できるのは表示されているレンダリング済みのテキストのみです。非表示の要素や動的に読み込まれるコンテンツは欠落する可能性があります。完全な抽出には、ソースの
.html に対して Pandoc を使用してください。変換後も段落の区切りや見出しは維持されますか？
ブラウザでの貼り付けでは、段落の間隔が空行として保持されます。Pandoc や
html2text は見出しをプレーンテキストまたは «#» プレフィックス付きの行としてレンダリングしますが、単純なタグ削除ではすべての構造的な空白が失われます。複数の HTML ファイルを一度に変換できますか？
はい。シェルループで Pandoc を使用します。PowerShell の場合：
Get-ChildItem *.html | ForEach-Object { pandoc $_.Name -t plain -o ($_.BaseName + '.txt') } となります。`.htm` ファイルも同じ方法で変換できますか？
はい。
.htm と .html は同じ形式です。このページで紹介しているすべての方法は、両方の拡張子に対して同様に機能します。
