ガイド
HTML → Markdown 変換 vs HTML タグ除去:Web テキストのローカル整形
HTML を構造化 GFM Markdown へ変換すべき場面と、タグ除去で純粋なテキストを取り出す場面の違いを解説。ナビやスクリプト削除・エンティティ復号もオフライン完結。
クイックアンサー: 見出し・箇条書き・リンク・コードブロック・GFM 表を保ったまま LLM RAG や Obsidian、Git ドキュメントへ取り込みたい場合は「HTML → Markdown 変換」を、装飾記号を一切含まないプレーンテキスト(.txt)が欲しい場合は「HTML タグ除去」を使い分けてください。
HTML → Markdown 変換と HTML タグ除去の選び方
ドキュメントサイトや CMS、HTML メールからコピーしたソースには、本文に混ざって script・style・nav・aside タグや &・— などの文字実体参照が大量に含まれます。
どちらのツールを選ぶかは、後段の処理が Markdown の軽量な文書構造を活かせるか、それとも一切のマークアップを持たない純テキストを必要とするかで決まります。
- RAG チャンク生成、ナレッジベース、技術文書には見出しと表を保つ HTML → Markdown 変換が最適です。
- CRM メモ、CSV セル、Web フォーム、プレーンテキスト通知には HTML タグ除去が適しています。
- どちらもブラウザメモリ完結のため、社内ポータルや非公開メールの HTML が外部スクレイパーへ送信されることはありません。
| 比較項目 | HTML → Markdown 変換 | HTML タグ除去 |
|---|---|---|
| 出力形式 | .md(Markdown) | .txt(プレーンテキスト) |
| 見出し・箇条書き・表 | ATX/Setext 見出しや GFM 表として保持 | 自然な改行のみの平文へ整形 |
| ハイパーリンク | [テキスト](URL) 形式で保持 | 除去または テキスト (URL) 形式で出力 |
| スクリプト・ナビ除外 | script・style・nav・header・footer を除外 | script・style・noscript・コメントを除外 |
HTML → Markdown 変換で見出し・コードブロック・GFM 表を保持
ブラウザ上で HTML → Markdown 変換を実行すると、DOMParser と Turndown に GitHub Flavored Markdown ルールを組み合わせて変換します。removeScriptsAndNav を有効にすれば、ナビゲーションやヘッダー、フッター、サイドバーを変換前に自動で取り除けます。
見出しスタイル(ATX # 形式 / Setext 下線形式)やコードブロック形式(フェンス / インデント)、GFM テーブル・取り消し線・タスクチェックボックスのサポートも切り替え可能です。
<nav><a href="/">Home</a></nav>
<article>
<h1>Local HTML Cleanup</h1>
<p>Zero <strong>network</strong> calls & clean <a href="https://txtto.app/">Markdown</a>.</p>
</article>HTML タグ除去でエンティティ復号済みの純テキストを抽出
人間がそのまま読む文章だけを取り出したいときは、HTML タグ除去が先に script・style・noscript・HTML コメントを削除し、ブロック要素の区切りに改行を挿入したうえで、 ・—・' などの実体参照を通常文字へデコードします。
keepLinks を有効にすると、危険な javascript: リンクを無害化しつつ通常のアンカーを「ラベル (https://...)」形式の読みやすいテキストとして残せます。
整形後の文書を安全な HTML や装飾なしテキストへ再出力
ローカルで Markdown を編集した後は、Markdown → HTML 変換で DOMPurify サニタイズ済みの HTML を生成したり、Word・Google ドキュメント・Gmail 向けにリッチテキストとして直接コピーしたりできます。
逆に **太字** や ### 見出し記号まで取り除いた完全な平文へ落としたい場合は、出力を AI Markdown 記号除去へ繋げてください。
参考文献
よくある質問
HTML → Markdown 変換ではナビゲーションメニューや script タグも自動で消えますか?
はい。script・style・noscript・template は常に除外され、「スクリプトとナビを除外」がオンの場合は nav・header・footer・aside 要素も取り除かれます。
HTML タグ除去で <a> タグだけ消してリンク先 URL を残すことはできますか?
はい。「リンク URL を保持」をオンにすると <a href="https://example.com">資料</a> が「資料 (https://example.com)」に変換され、javascript: URL は自動で除外されます。
HTML のテーブルやチェックボックスも Markdown に変換されますか?
はい。GFM(GitHub Flavored Markdown)が有効な状態なら、HTML 表はパイプテーブルへ、チェックボックスは [x] や [ ] タスク項目へ変換されます。
関連フォーマット
関連比較ページ
関連ガイド
- ChatGPT・Claude の AI Markdown 記号を Word やメール向けに綺麗に整形する方法AI 回答の **太字** や ### 見出し記号、コードフェンスを綺麗に取り除く方法と、Word・Google ドキュメントへ書式付きで貼り付ける手順を紹介します。
- EPUB 電子書籍を Obsidian・AI 学習向けの Markdown に変換する方法DRM フリーの EPUB を OPF スパイン順でローカル展開し、見出し・リンクを保った Obsidian 向け Markdown や章分割 ZIP を作成します。
- Markdown → PDF 出力 & PDF → TXT 抽出:完全オフライン文書ワークフローMarkdown を日本語対応の A4/Letter PDF へローカル出力し、セルフホスト PDF.js で PDF から改行・ハイフン補正済みの TXT や Markdown を抽出します。