Conversor online gratuito de HTML para TXT

Alguns programas, ferramentas de linha de comando, arquivos compactados e sistemas de e-mail aceitam apenas texto simples, portanto as páginas da web salvas precisam ter a marcação HTML removida antes do uso. A conversão do arquivo também produz uma versão menor e pesquisável para edição, registro ou arquivamento de texto a longo prazo.

O que é o formato HTML

HTML é uma linguagem de marcação que define a estrutura de um documento, incluindo títulos, parágrafos, links, listas, tabelas, imagens, formulários, scripts e formatação. Os navegadores renderizam arquivos HTML, enquanto editores e sistemas de publicação, como Visual Studio Code, Notepad++, WordPress e ferramentas de criação de páginas da web, os criam ou modificam. Páginas da web salvas, relatórios exportados, mensagens de e-mail e documentos de código-fonte de sites normalmente usam arquivos .html ou .htm.

O que é o formato TXT

TXT armazena dados de caracteres sem tags HTML, estilos CSS, fontes, cores, imagens, scripts ou layout de página. Ele é aberto em editores básicos, como Notepad e TextEdit, editores de terminal, sistemas de gerenciamento de documentos e na maioria dos sistemas operacionais. O texto simples geralmente é pequeno, pesquisável, fácil de controlar com versionamento e aceito por softwares que rejeitam documentos formatados.

Um arquivo TXT ainda tem uma codificação e uma convenção de final de linha. UTF-8 é a opção geral mais segura porque oferece suporte a caracteres acentuados, scripts não latinos e símbolos; Windows-1252, ISO-8859-1 e outras codificações legadas oferecem suporte a menos caracteres.

Como converter HTML em TXT

Usando 101convert.com

1. Abra o conversor de HTML para TXT em 101convert.com; ele pode ser usado gratuitamente, sem instalar software.
2. Selecione ou carregue o arquivo de origem .html ou .htm.
3. Inicie a conversão e salve o arquivo .txt resultante.
4. Abra o resultado em um editor de texto e verifique títulos, listas, tabelas, links e caracteres de idiomas diferentes do inglês.

Usando Pandoc localmente

Pandoc é adequado para conversões repetíveis pela linha de comando. Execute:

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

Por padrão, Pandoc grava a saída de texto em UTF-8. Para um arquivo HTML local que faça referência a imagens, folhas de estilo ou outros recursos relativos, mantenha as pastas referenciadas disponíveis durante a conversão; esses recursos podem afetar a análise, mas imagens e estilos visuais não podem ser representados em TXT.

Usando um navegador para conteúdo selecionado

Abra o arquivo em um navegador, selecione o conteúdo a manter, copie-o e cole-o em um editor de texto simples com Edit → Paste and Match Style, Paste as plain text ou o equivalente do editor. Salve o resultado como output.txt e selecione UTF-8 se uma opção de codificação for exibida. Esse método converte apenas o conteúdo renderizado selecionado, portanto pode omitir a navegação, seções ocultas ou conteúdo inserido por scripts; ele também pode alterar as colunas de tabelas e a indentação de listas.

Usando LibreOffice

Abra o arquivo HTML no LibreOffice e escolha File → Save As. Selecione Text (.txt), salve o arquivo e escolha as configurações de codificação de caracteres e finais de linha na caixa de diálogo de exportação. Isso é útil para conversão manual, mas o espaçamento e o layout das tabelas resultantes ainda dependem de como o LibreOffice interpreta o HTML.

Limitações de qualidade e compatibilidade

Alterar .html para .txt renomeando a extensão não converte o conteúdo: isso deixa tags HTML, scripts e atributos no arquivo. Um editor de texto pode exibir o código-fonte, mas um consumidor de texto simples não transformará automaticamente esse código em texto de página legível.

TXT não pode preservar CSS, layout de página, imagens, áudio, vídeo, formulários, scripts, comportamento de links clicáveis ou a estrutura exata de tabelas. Um conversor pode manter o rótulo visível de um link, emitir sua URL ou descartar o destino. Navegação, anúncios, elementos ocultos e conteúdo gerado por scripts podem ser omitidos ou incluídos de forma diferente, dependendo de a conversão ler o código-fonte original ou a página renderizada pelo navegador.

Inspecione linhas longas, espaçamento entre linhas em branco, marcadores de lista e dados de tabelas após a conversão, pois o texto simples não tem um padrão universal de layout. Se os caracteres aparecerem corrompidos, reabra o arquivo usando a codificação de origem ou converta-o explicitamente para UTF-8; alterar a extensão do nome do arquivo não pode corrigir uma incompatibilidade de codificação.