Convertidor online gratuito de HTML a TEXT

Un importador, script o sistema de archivado que solo admite texto puede rechazar un archivo HTML porque espera caracteres sin formato. Convertir el archivo a .txt elimina el marcado y los estilos, lo que produce un archivo más pequeño, fácil de buscar, editar e intercambiar.

Qué es el formato HTML

HTML (HyperText Markup Language) almacena la estructura y el contenido de un documento con elementos como <p>, <h1>, <a> y <table>. CSS controla la presentación, mientras que JavaScript puede añadir comportamiento. Los navegadores muestran HTML, y los editores de sitios web, sistemas de gestión de contenido, aplicaciones de correo electrónico, herramientas de documentación y editores de código pueden crearlo o exportarlo. Los archivos normalmente utilizan la extensión .html o .htm.

Qué es el formato TEXT

Un archivo de texto sin formato normalmente utiliza la extensión .txt y el tipo de medio text/plain. Contiene caracteres sin etiquetas HTML, fuentes, colores, imágenes, diseño de página ni comportamiento interactivo. Notepad, TextEdit, Vim, las herramientas de línea de comandos, los importadores de bases de datos, los sistemas de correo electrónico y la mayoría de los sistemas operativos pueden abrirlo.

El texto sin formato es útil para registros, notas, intercambio de datos de origen, flujos de trabajo de accesibilidad, control de versiones y archivado a largo plazo. Sus ventajas son el tamaño reducido, la amplia compatibilidad y la facilidad de búsqueda. Los encabezados, párrafos y elementos de lista pueden seguir siendo legibles, pero su formato visual no se puede conservar.

Cómo convertir HTML a TEXT

Con 101convert: Abra el convertidor de HTML a TEXT en 101convert.com, añada el archivo .html o .htm, inicie la conversión y descargue el archivo .txt resultante. No es necesario instalar ningún software. No suba contenido confidencial o regulado a menos que las condiciones de tratamiento de datos del servicio cumplan sus requisitos.

Con Pandoc: Instale Pandoc, abra un terminal o símbolo del sistema en la carpeta del archivo de origen y ejecute:

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

Reemplace los nombres de archivo según sea necesario; utilice rutas completas cuando el archivo se encuentre en otra carpeta. Pandoc convierte encabezados, párrafos, listas, citas y otros elementos estructurales comunes en equivalentes de texto sin formato. Para evitar el ajuste automático de línea, puede utilizar:

pandoc input.html -t plain --wrap=none -o output.txt

Con LibreOffice: Abra el archivo con File → Open, seleccione File → Save As, elija Text (.txt) y confirme la exportación. Si aparece un cuadro de diálogo de codificación, elija UTF-8. Esta opción permite inspeccionar el contenido renderizado del documento antes de guardarlo.

Con un navegador: Abra el archivo HTML local, seleccione el contenido visible necesario, cópielo, péguelo en un editor de texto sin formato y guárdelo como output.txt. Es una opción práctica para una página corta, pero puede incluir la navegación y otros elementos visibles de la interfaz, omitir contenido oculto y cambiar el espaciado.

Limitaciones de calidad y compatibilidad

El texto sin formato no puede representar imágenes, vídeo, formularios, scripts, diseño CSS, colores, opciones de fuente ni comportamiento interactivo. Las tablas pueden convertirse en columnas desiguales y los diseños de varias columnas pueden aparecer en un orden inesperado. Los enlaces normalmente se convierten en sus etiquetas visibles en lugar de seguir siendo enlaces en los que se puede hacer clic; conserve las URL por separado o utilice una opción del convertidor o un analizador diseñado para incluirlas.

El código fuente HTML no siempre contiene el contenido que se muestra en un navegador. Las páginas que generan su texto con JavaScript pueden producir pocos resultados útiles cuando se procesan directamente con Pandoc u otro convertidor basado en el código fuente. Renderice esas páginas en un navegador y copie el resultado, o utilice una herramienta compatible con el comportamiento de página necesario.

Guarde el resultado como UTF-8 para conservar caracteres acentuados, símbolos y scripts no latinos. Las aplicaciones antiguas pueden requerir Windows-1252 u otra codificación heredada; utilizar una codificación incorrecta puede provocar caracteres ilegibles. Compruebe el archivo convertido en el programa que lo utilizará, especialmente cuando sean importantes los finales de línea, los datos separados por tabulaciones o las posiciones exactas de las columnas.