Softonic

HTML到文本转换器

步 1 / 2
下一个

纯文本电子邮件、文本分析及字数统计处理流程均需将HTML转换为人类可直接阅读的字符串（且不含任何标记符号）。只需粘贴HTML代码，该工具便会自动移除所有标签、解析实体标识（例如 & → &）、压缩缩进产生的连续空白段，并生成清晰易读的文本块，适用于后续分析或作为多部分邮件中的纯文本内容。

如何将 HTML 转换为文本

  1. 1

    粘贴 HTML

    任意尺寸，片段、完整的邮件正文或整页内容均可。

  2. 2

    转换

    一键完成：移除所有标签和属性，并解码实体。

  3. 3

    检查换行

    段落、列表项和表格行会变成独立行，文本结构因此得以保留。

  4. 4

    复制文本

    输出结果为纯Unicode文本，可安全地输入至词频统计工具、电子邮件模板或情感分析模型中。

转换如何处理复杂的标签

将HTML转换为文本远不止是处理string.replace(/<[^>]+>/, "")那么简单：简单的正则表达式会留下实体代码和缩进空白，也不知道</p>应该开始新的一行。

块级与内联格式

块级标签（<br>，以及闭合标签</p>、</div>、</h1>至</h6>、</li>、</tr>）各自产生一个换行。内联标签（<a>、<span>、<strong>）不会留空格，因此单词不会合并显示。

各类标签的处理方式

标签 处理
<br> 一个换行
</p>、</div>、</h1>至</h6> 每个闭合标签产生一个换行
</li>、</tr> 一个换行；不添加项目符号或表格单元格分隔符
<a href="url">text</a> text；href属性被移除
<img alt="text"> 无输出，标签没有可见文本
<script>、<style> 标签被移除，标签之间的文本保留

实体解码

  • 命名实体（&amp;、&copy;、&eacute;）会解码为相应的 Unicode 字符。
  • 数值实体（&#169;、&#x00A9;）同样会被解码。
  • 未知实体会原样保留，以便分析工具能够识别它们。

空白归一化

  • 换行前的空格和制表符会被移除。
  • 连续三个或更多空行会合并为一个空行。
  • 单词之间的空格保持不变；转换器不会重新排列文本。

用途

  • 生成多部分电子邮件中的 text/plain 部分。
  • 在将抓取的文章传递给语言模型之前进行清洗。
  • 为纯文本搜索索引提供内容。
  • 计算忽略标记的准确字数。

常见问题

视觉格式（加粗、颜色、字体）会丢失，这正是设计的核心目的。结构会以换行的形式保留：段落、列表项和表格行变成独立行，因此文本仍可清晰阅读。

链接的可见文本会保留，但 URL 会连同标签属性一起被移除。如果需要 URL，请改用专用的 HTML 转 Markdown 工具。

转换器只移除标签本身，标签之间的文本会保留，因此 <script> 和 <style> 块的内容仍留在输出中。如果不需要，请先从源 HTML 中删除。

是的。输出结果为 UTF-8 编码，并完整保留输入中的所有非 ASCII 字符。诸如 &copy; 和 &eacute; 等实体会解码为对应的 Unicode 字符。

相关工具

ASCII 表参考

完整 ASCII 表，覆盖 0 到 127；列出每个代码的十进制、十六进制、八进制、二进制值和 HTML 数字字符引用写法，包括 NUL、LF、DEL。

HTML 字符参考

可搜索的 HTML 实体列表，含命名代码与数值代码，并支持一键复制特殊字符和符号。

键盘快捷键参考

搜索 macOS、Windows 和 Linux 上 VS Code、Chrome 以及使用 GNU Readline 的 Bash 的文档默认快捷键。

邮箱验证器

验证邮箱地址：RFC 5322 语法检查、实时 MX 记录查询，并显示本地部分、域名和长度详情。不会发送任何邮件。

编辑器配置生成器

根据你的缩进样式与大小、行尾、字符集和空格规则生成 .editorconfig 文件，让不同集成开发环境（IDE）和编辑器的格式保持一致。

证书解码器

粘贴一张 X.509 PEM 证书，并查看解码后的字段：主体、颁发者、序列号、签名算法、有效期及主体备用名称（SAN）。

此工具还提供其他语言版本