Convertitore online gratuito da HTML a TXT

Alcuni programmi, strumenti a riga di comando, archivi e sistemi di posta elettronica accettano solo testo semplice, quindi le pagine web salvate devono essere private del markup HTML prima dell'uso. La conversione del file produce inoltre una versione più piccola e ricercabile per la modifica, la registrazione o l'archiviazione a lungo termine del testo.

Cos'è il formato HTML

HTML è un linguaggio di markup che definisce la struttura di un documento, inclusi titoli, paragrafi, collegamenti, elenchi, tabelle, immagini, moduli, script e formattazione. I browser eseguono il rendering dei file HTML, mentre editor e sistemi di pubblicazione come Visual Studio Code, Notepad++, WordPress e gli strumenti di creazione di pagine web li creano o modificano. Le pagine web salvate, i report esportati, i messaggi di posta elettronica e i documenti sorgente dei siti web utilizzano comunemente file .html o .htm.

Cos'è il formato TXT

TXT memorizza dati carattere senza tag HTML, stili CSS, caratteri, colori, immagini, script o layout di pagina. Si apre con editor di base come Notepad e TextEdit, editor da terminale, sistemi di gestione dei documenti e la maggior parte dei sistemi operativi. Il testo semplice è generalmente di dimensioni ridotte, ricercabile, facile da gestire con il controllo delle versioni e accettato dai software che rifiutano i documenti formattati.

Un file TXT ha comunque una codifica e una convenzione per i caratteri di fine riga. UTF-8 è la scelta generale più sicura perché supporta caratteri accentati, scritture non latine e simboli; Windows-1252, ISO-8859-1 e altre codifiche legacy supportano un numero inferiore di caratteri.

Come convertire HTML in TXT

Utilizzo di 101convert.com

1. Apri il convertitore da HTML a TXT su 101convert.com; può essere utilizzato gratuitamente senza installare software.
2. Seleziona o carica il file sorgente .html o .htm.
3. Avvia la conversione e salva il file .txt risultante.
4. Apri l'output in un editor di testo e controlla titoli, elenchi, tabelle, collegamenti e caratteri non inglesi.

Utilizzo locale di Pandoc

Pandoc è adatto alla conversione ripetibile da riga di comando. Esegui:

pandoc input.html -t plain -o output.txt

Pandoc scrive l'output di testo in UTF-8 per impostazione predefinita. Per un file HTML locale che fa riferimento a immagini, fogli di stile o altre risorse tramite percorsi relativi, mantieni disponibili le cartelle di riferimento durante la conversione; tali risorse possono influire sull'analisi, ma le immagini e gli stili visivi non possono essere rappresentati in TXT.

Utilizzo di un browser per contenuti selezionati

Apri il file in un browser, seleziona il contenuto da conservare, copialo e incollalo in un editor di testo semplice con Edit → Paste and Match Style, Paste as plain text o l'opzione equivalente dell'editor. Salva il risultato come output.txt e seleziona UTF-8 se viene mostrata un'opzione per la codifica. Questo metodo converte solo il contenuto visualizzato selezionato, quindi può omettere la navigazione, le sezioni nascoste o i contenuti inseriti dagli script; può inoltre modificare le colonne delle tabelle e il rientro degli elenchi.

Utilizzo di LibreOffice

Apri il file HTML in LibreOffice e scegli File → Save As. Seleziona Text (.txt), salva il file, quindi scegli la codifica dei caratteri e le impostazioni dei caratteri di fine riga nella finestra di dialogo per l'esportazione. Questa soluzione è utile per la conversione manuale, ma la spaziatura e il layout delle tabelle risultanti dipendono comunque dal modo in cui LibreOffice interpreta l'HTML.

Limitazioni di qualità e compatibilità

Modificare .html in .txt rinominando l'estensione non converte il contenuto: lascia nel file i tag HTML, gli script e gli attributi. Un editor di testo può visualizzare il sorgente, ma un programma che utilizza testo semplice non trasformerà automaticamente tale sorgente in testo di pagina leggibile.

TXT non può conservare CSS, layout di pagina, immagini, audio, video, moduli, script, comportamento dei collegamenti cliccabili o la struttura esatta delle tabelle. Un convertitore può mantenere l'etichetta visibile di un collegamento, produrne l'URL o eliminare la destinazione. La navigazione, gli annunci pubblicitari, gli elementi nascosti e i contenuti generati dagli script possono essere omessi o inclusi in modo diverso a seconda che la conversione legga il sorgente originale o la pagina visualizzata dal browser.

Dopo la conversione, controlla le righe lunghe, la spaziatura delle righe vuote, i marcatori degli elenchi e i dati delle tabelle, perché il testo semplice non dispone di uno standard universale per il layout. Se i caratteri appaiono corrotti, riapri il file utilizzando la codifica sorgente oppure convertilo esplicitamente in UTF-8; modificare l'estensione del nome file non può correggere una mancata corrispondenza della codifica.