Convertidor online gratuito de HTML a TXT

Algunos programas, herramientas de línea de comandos, archivos comprimidos y sistemas de correo electrónico solo aceptan texto sin formato, por lo que las páginas web guardadas deben eliminar las marcas de HTML antes de utilizarlas. La conversión también produce una versión más pequeña y fácil de buscar para editar, registrar o archivar texto a largo plazo.

Qué es el formato HTML

HTML es un lenguaje de marcado que define la estructura de un documento, incluidos encabezados, párrafos, enlaces, listas, tablas, imágenes, formularios, scripts y formato. Los navegadores representan los archivos HTML, mientras que los editores y sistemas de publicación, como Visual Studio Code, Notepad++, WordPress y las herramientas de creación web, los crean o modifican. Las páginas web guardadas, los informes exportados, los mensajes de correo electrónico y los documentos de código fuente de sitios web suelen utilizar archivos .html o .htm.

Qué es el formato TXT

TXT almacena datos de caracteres sin etiquetas HTML, estilos CSS, fuentes, colores, imágenes, scripts ni diseño de página. Se abre en editores básicos como Notepad y TextEdit, editores de terminal, sistemas de gestión documental y la mayoría de los sistemas operativos. El texto sin formato suele ser pequeño, fácil de buscar, sencillo de controlar mediante versiones y compatible con software que rechaza documentos con formato.

Un archivo TXT sigue teniendo una codificación y una convención de fin de línea. UTF-8 es la opción general más segura porque admite caracteres acentuados, scripts no latinos y símbolos; Windows-1252, ISO-8859-1 y otras codificaciones heredadas admiten menos caracteres.

Cómo convertir HTML a TXT

Uso de 101convert.com

1. Abra el conversor de HTML a TXT en 101convert.com; puede utilizarse de forma gratuita sin instalar software.
2. Seleccione o cargue el archivo de origen .html o .htm.
3. Inicie la conversión y guarde el archivo .txt resultante.
4. Abra el resultado en un editor de texto y compruebe los encabezados, las listas, las tablas, los enlaces y los caracteres que no sean ingleses.

Uso local de Pandoc

Pandoc es adecuado para realizar conversiones repetibles mediante la línea de comandos. Ejecute:

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

Pandoc escribe el resultado de texto en UTF-8 de forma predeterminada. Para un archivo HTML local que haga referencia a imágenes, hojas de estilo u otros recursos relativos, mantenga disponibles las carpetas referenciadas durante la conversión; esos recursos pueden afectar al análisis, pero las imágenes y los estilos visuales no se pueden representar en TXT.

Uso de un navegador para contenido seleccionado

Abra el archivo en un navegador, seleccione el contenido que desea conservar, cópielo y péguelo en un editor de texto sin formato con Edit → Paste and Match Style, Paste as plain text o la opción equivalente del editor. Guarde el resultado como output.txt y seleccione UTF-8 si se muestra una opción de codificación. Este método convierte únicamente el contenido representado que se ha seleccionado, por lo que puede omitir la navegación, las secciones ocultas o el contenido insertado por scripts; también puede cambiar las columnas de las tablas y la sangría de las listas.

Uso de LibreOffice

Abra el archivo HTML en LibreOffice y seleccione File → Save As. Seleccione Text (.txt), guarde el archivo y, a continuación, elija la codificación de caracteres y la configuración de fin de línea en el diálogo de exportación. Esto resulta útil para la conversión manual, pero el espaciado y el diseño de las tablas resultantes siguen dependiendo de cómo LibreOffice interprete el HTML.

Limitaciones de calidad y compatibilidad

Cambiar .html por .txt cambiando el nombre de la extensión no convierte el contenido: deja las etiquetas HTML, los scripts y los atributos en el archivo. Un editor de texto puede mostrar el código fuente, pero un consumidor de texto sin formato no convertirá automáticamente ese código en texto de página legible.

TXT no puede conservar CSS, el diseño de página, imágenes, audio, vídeo, formularios, scripts, el comportamiento de los enlaces en los que se puede hacer clic ni la estructura exacta de las tablas. Un conversor puede conservar la etiqueta visible de un enlace, incluir su URL o descartar el destino. La navegación, los anuncios, los elementos ocultos y el contenido generado por scripts pueden omitirse o incluirse de forma diferente dependiendo de si la conversión lee el código fuente original o la página representada por el navegador.

Revise las líneas largas, el espaciado de las líneas en blanco, los marcadores de las listas y los datos de las tablas después de la conversión, ya que el texto sin formato no tiene un estándar de diseño universal. Si los caracteres aparecen dañados, vuelva a abrir el archivo utilizando la codificación de origen o conviértalo explícitamente a UTF-8; cambiar la extensión del nombre de archivo no puede reparar una incompatibilidad de codificación.