.html · text/html
HTML: 超文本标记语言
HTML5 为浏览器和富文本编辑器定义了网页的语义文档结构、超链接、表格以及多媒体布局规范。
快速解答: HTML5 为浏览器和富文本编辑器定义了网页的语义文档结构、超链接、表格以及多媒体布局规范。 网页发布、富文本剪贴板载荷、邮件模板以及经过净化的 Markdown 渲染嵌入。
| 结构类型 | 标记语言 |
|---|---|
| 人类可读性 | 中 |
| 支持嵌套 | 支持 |
| LLM Token 效率 | 低 |
| 文件扩展名 | .html |
| MIME 类型 | text/html |
| 适用场景 | 网页发布、富文本剪贴板载荷、邮件模板以及经过净化的 Markdown 渲染嵌入。 |
核心优势
- 所有浏览器与富文本编辑器通用支持的底层渲染标准
- 完整支持 CSS 排版样式、语义地标、表格与 ARIA 无障碍属性
- 可作为富文本顺畅粘贴至 Word、Notion 与 Gmail 并保留格式
局限与权衡
- 导航栏、脚本与大量 CSS 类名会严重膨胀大模型 Token 消耗
- 未经净化的 HTML 存在 XSS 跨站脚本风险,需经 DOMPurify 过滤
- 相比 Markdown 人工手写和直接阅读都较为繁杂
参考资料
本地转换与清理 HTML
相关工程指南
相关格式
全部 24 种格式HTML 常见问题
把网页 HTML 喂给大模型前为什么要先剔除 <script>、<style> 和 <nav>?
页头导航、内联脚本和 CSS 样式常占据原始网页 60%–85% 的 Token,去除它们能避免噪声稀释检索准确率。
TxtTo 如何保障 Markdown 转 HTML 的输出安全性?
TxtTo 默认在本地通过 DOMPurify 对渲染后的 HTML 进行净化过滤,自动剔除危险事件属性与脚本标签。
如何把 & 或 — 等 HTML 实体解码为可读纯文本?
使用“去除 HTML 标签”工具并开启实体解码选项,即可将命名与数字 HTML 实体还原为标准 UTF-8 字符。