Cum să eliminați etichetele HTML și să obțineți text simplu curat
Când copiați text de pe un site web sau de pe un e-mail, marcajul HTML apare adesea pentru călătorie - etichete, atribute și caractere speciale care transformă conținutul care poate fi citit în cod de necitit. Eliminarea HTML înseamnă eliminarea tuturor acestor markupuri pentru a reveni la textul pur, care este gata de utilizat, manipulat sau partajat fără zgomotul vizual și dezordinea tehnică.
De ce ai nevoie de text curat
Conținutul copiat de pe site-uri web, buletine informative prin e-mail și editoare de text îmbogățit poartă un cod HTML invizibil care servește browserului, nu ție. Acest marcaj face ca textul să fie greu de căutat, mai greu de editat și întrerupe formatarea atunci când este lipit în foi de calcul, fișiere text simplu, documentație sau aplicații de luare de note. Curățarea acestuia este primul pas critic către transformarea conținutului web copiat în date utilizabile cu care puteți lucra efectiv.
Ce se întâmplă când copiați de pe web
Browserele stochează și transmit conținut web în formă HTML. Când copiați și inserați de pe un site web într-un editor de text sau într-un document, deseori moșteniți etichete precum <p>, <span>, <div>, și atribute precum class sau id care nu adaugă nicio valoare textului de bază. The Eliminați etichetele HTML Instrumentul extrage instantaneu doar conținutul text, lăsând în urmă toate markupurile și atributele, astfel încât să obțineți rezultate lizibile în câteva secunde.
Manipularea caracterelor și entităților speciale
De asemenea, HTML codifică anumite caractere ca entități pentru a preveni erorile de analiză. Exemplele comune includ pentru spații care nu se rupe, < pentru simbolul mai mic decât, & pentru ampersand și " pentru citate. Când eliminați codul HTML, aceste entități ar trebui convertite înapoi în caracterele lor reale care pot fi citite. Dacă conținutul dvs. lipit include multe dintre aceste codificări speciale - în special din e-mailuri mai vechi, documente arhivate sau arhive exportate - entități HTML instrumentul asigură o decodare corectă, astfel încât textul dvs. să fie afișat corect.
Mergând mai departe: markdown și URL-uri
HTML nu este singurul strat de formatare pe care îl puteți întâlni. Conținutul copiat conține uneori și sintaxă markdown sau hyperlinkuri încorporate care ascund textul simplu de dedesubt. Strat de curățare suplimentară pentru rezultate complete: the Fâșie markdown instrumentul elimină marcatorii de formatare, cum ar fi asteriscuri și hashuri, și Eliminați adresele URL Instrumentul dezactivează hyperlinkurile dacă aveți nevoie doar de conținutul text fără nicio legătură. Construiți o conductă de curățare adaptată materialului dumneavoastră sursă.
Confidențialitate și securitate
Textul dvs. încărcat cu HTML nu părăsește niciodată dispozitivul dvs. Toată curățarea rulează în întregime în browserul dvs., funcționează offline după încărcarea inițială a paginii și nu necesită încărcare pe un server, nici crearea de cont și nici urmărire. Lipiți e-mailuri confidențiale, conținut proprietar sau informații sensibile; curata-l; și mergi mai departe știind că nimic nu a fost trimis în altă parte.
Sfaturi rapide pentru cele mai bune rezultate
Lipiți textul HTML brut, rulați stripper-ul și scanați ieșirea pentru spații neașteptate sau întreruperi de linie - unele structuri HTML ascund spații albe care devin vizibile numai după ce etichetele sunt eliminate. Dacă rezultatul arată bine, copiați-l direct la destinație sau descărcați-l ca fișier text simplu pentru a păstra curățarea. Pentru conținut cu mai multe straturi de formatare, rulați instrumentele în secvență: eliminați mai întâi HTML, apoi entitățile, apoi markdown sau URL-urile după cum este necesar.