Supprimer les balises HTML

Ce que fait l’outil

Supprimer les balises HTML transforme une page, un modèle d’e-mail ou un extrait de texte enrichi en texte brut propre. L’outil retire toutes les balises, jette scripts, styles et commentaires, décode les entités comme & et  , et conserve la structure qui compte : titres et paragraphes restent séparés, les éléments de liste restent sur leur propre ligne et les cellules de tableau restent en lignes.

C’est utile quand vous voulez les mots sans le balisage : coller un texte d’un CMS dans un e-mail en texte brut, alimenter un index de recherche ou un modèle de langage, compter les mots d’un article, ou vérifier ce qu’afficherait un lecteur d’écran ou un client texte.

Mode d’emploi

1. Collez du HTML dans l’entrée ou ouvrez un fichier .html.
2. Ajustez les options si besoin :
   • Garder paragraphes et retours à la ligne transforme les éléments de bloc en lignes vides ou en retours à la ligne. Désactivez-la pour obtenir une seule ligne de texte.
   • Réduire les espaces superflus fusionne les espaces, tabulations et lignes vides issus de l’indentation du source, comme le fait un navigateur.
   • Décoder les entités transforme <, é, ' et consorts en vrais caractères.
   • Garder les URL des liens écrit chaque lien sous la forme text (https://…) pour ne pas perdre les cibles.
3. Copiez le texte ou téléchargez-le en fichier.

Exemple

L’entrée d’exemple est une petite page de notes de version avec un titre, un bloc de style, un script, un titre de section, un paragraphe contenant un lien, une liste et un retour à la ligne. La sortie ne garde que ce qu’un lecteur verrait :

Release notes

Version 2.0 – what's new

Faster builds, a dark theme and better documentation.

Search with Ctrl + K
Prices from €5 / month

Comment ça marche

Le HTML est traité comme du texte avec des motifs soigneux au lieu d’être chargé dans une page : rien ne s’y exécute et aucune image ni aucun script n’est récupéré. Les valeurs d’attribut contenant un caractère > sont gérées correctement, et les commentaires ou scripts non fermés sont supprimés jusqu’à la fin de l’entrée au lieu de déborder dans la sortie.

Comme l’outil ne construit pas d’arbre de document complet, un HTML très cassé peut donner des retours à la ligne légèrement différents de ce qu’afficherait un navigateur, mais le texte lui-même est toujours préservé.