清除 HTML 标签提取纯文本

0 字节上传

从杂乱 HTML 邮件、CMS 富文本字段或 XML 片段中抽取出纯净可读文字——本地移除脚本样式并解码字符实体。

100% 客户端本地运行 — 可在 Network 面板验证 0 字节上传在 Network 面板确认 0 字节发送

或将文本或数据文件拖放至此 · Ctrl V 快速粘贴 · 或拖放 .html、.htm、.xml · Ctrl V 粘贴标记
  • 100% 浏览器本地运行
  • 解码 & / — / '
  • 剔除 <script> 与 <style>

实时转换前后预览

转换前(输入)snippet.html
<style>.hidden { display: none; }</style>
<div class="alert">
  <h2>System Notice &amp; Update</h2>
  <p>Maintenance runs at <strong>02:00 UTC</strong> &mdash; zero downtime expected.</p>
</div>
转换后(输出).txt
System Notice & Update

Maintenance runs at 02:00 UTC — zero downtime expected.

源格式与目标格式规格对比: HTML → 纯文本 (TXT)

规格属性源格式:HTML目标格式:纯文本 (TXT)
结构类型标记语言纯文本
人类可读性中高
支持嵌套支持不支持
LLM Token 效率低高
文件扩展名.html.txt
MIME 类型text/htmltext/plain
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。通用运行日志、原始会议纪要、清洗后的大模型提示词、纯文本脚本及无干扰阅读。

使用方法

如何干净地剥离 HTML 标签

丢弃无用视觉标签并还原转义字符实体,不残留任何代码或 CSS 杂质。

  1. 粘贴 HTML 或 XML拖入 .html/.xml 文件或粘贴网页源码片段。
  2. 配置实体解码与链接规则勾选解码 HTML 实体为 UTF-8、移除脚本样式块,并可选择是否在文本旁保留链接 URL。
  3. 复制纯净文本下载干净的 .txt 文件,或继续送入去除换行符进一步整理排版。

常见问题

常见问题解答

“去除 HTML 标签”支持解码 &amp;、&mdash; 与 &#8217; 等字符实体吗?

支持。开启“解码 HTML 字符实体”即可把命名、十进制与十六进制实体完整还原为正常 UTF-8 字符。

剥除 <a> 链接标签时能把网址也一起留下来吗?

可以。勾选“行内保留链接 URL”会在锚点文字后用括号附上完整目标网址。

什么时候用“去除 HTML 标签”,什么时候用“HTML 转 Markdown”?

需要完全没有任何格式符(#、*、|)的纯文字选去除标签;需要保留标题层级和表格时选 HTML 转 Markdown。