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。

読了目安 4分

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。

html
<nav><a href="/">Home</a></nav>
<article>
  <h1>Local HTML Cleanup</h1>
  <p>Zero <strong>network</strong> calls &amp; clean <a href="https://txtto.app/">Markdown</a>.</p>
</article>

HTML ページをきれいな GFM Markdown に変換

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、&nbsp;・&mdash;・&#x27; 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。

HTML タグを除去して文字実体参照をデコード

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。

Markdown をサニタイズ済み HTML に戻す

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