Quitar etiquetas HTML

Qué hace

Quitar etiquetas HTML convierte una página, una plantilla de correo o un fragmento de texto enriquecido en texto plano limpio. Elimina todas las etiquetas, descarta scripts, estilos y comentarios, decodifica entidades como & y  , y conserva la estructura que te interesa: los encabezados y párrafos quedan separados, los elementos de lista siguen en su propia línea y las celdas de las tablas se mantienen en filas.

Es útil cuando necesitas las palabras sin el marcado: pegar textos de un CMS en un correo de texto plano, alimentar un índice de búsqueda o un modelo de lenguaje, contar las palabras de un artículo o comprobar qué mostraría un lector de pantalla o un cliente solo de texto.

Cómo se usa

1. Pega HTML en la entrada o abre un archivo .html.
2. Ajusta las opciones si hace falta:
   • Conservar párrafos y saltos de línea convierte los elementos de bloque en líneas en blanco o saltos de línea. Desactívalo para obtener una sola línea de texto.
   • Reducir espacios sobrantes une los espacios, tabulaciones y líneas en blanco que vienen de la sangría del código fuente, igual que hace un navegador.
   • Decodificar entidades convierte <, é, ' y compañía en caracteres reales.
   • Conservar las URL de los enlaces escribe cada enlace como text (https://…) para que no se pierdan los destinos.
3. Copia el texto o descárgalo como archivo.

Ejemplo

La entrada de ejemplo es una pequeña página de notas de versión con un título, un bloque de estilos, un script, un encabezado, un párrafo con un enlace, una lista y un salto de línea. La salida conserva solo lo que vería un lector:

Release notes

Version 2.0 – what's new

Faster builds, a dark theme and better documentation.

Search with Ctrl + K
Prices from €5 / month

Cómo funciona

El HTML se procesa como texto con patrones cuidadosos en lugar de cargarse en una página, así que nada de lo que contiene se ejecuta y no se descargan imágenes ni scripts. Los valores de atributos que contienen el carácter > se manejan correctamente, y los comentarios o scripts sin cerrar se eliminan hasta el final de la entrada en lugar de colarse en la salida.

Como la herramienta no construye un árbol de documento completo, un HTML muy roto puede producir saltos de línea ligeramente distintos de los que mostraría un navegador, pero el texto en sí siempre se conserva.