HTML-tags verwijderen

Wat het doet

HTML-tags verwijderen maakt van een pagina, een e-mailtemplate of een stuk opgemaakte tekst schone platte tekst. Het verwijdert elke tag, gooit scripts, stijlen en commentaar weg, decodeert entiteiten zoals & en  , en behoudt de structuur die ertoe doet: koppen en alinea’s blijven gescheiden, lijstitems blijven op hun eigen regel en tabelcellen blijven in rijen.

Het is handig als je de woorden zonder de markup nodig hebt: tekst uit een CMS in een platte-tekstmail plakken, content aan een zoekindex of taalmodel voeren, woorden in een artikel tellen, of controleren wat een schermlezer of een client die alleen tekst toont zou laten zien.

Zo gebruik je het

1. Plak HTML in de invoer, of open een .html-bestand.
2. Pas zo nodig de opties aan:
   • Alinea’s en regeleinden behouden zet blokelementen om in lege regels of regeleinden. Zet het uit voor één regel tekst.
   • Overtollige witruimte samenvoegen voegt de spaties, tabs en lege regels uit de inspringing van de broncode samen, net zoals een browser dat doet.
   • Entiteiten decoderen zet <, é, ' en consorten om in echte tekens.
   • Link-URL’s behouden schrijft elke link als text (https://…), zodat de doelen niet verloren gaan.
3. Kopieer de tekst of download hem als bestand.

Voorbeeld

De voorbeeldinvoer is een kleine pagina met release notes, met een titel, een style-blok, een script, een kop, een alinea met een link, een lijst en een regeleinde. De uitvoer bevat alleen wat een lezer zou zien:

Release notes

Version 2.0 – what's new

Faster builds, a dark theme and better documentation.

Search with Ctrl + K
Prices from €5 / month

Hoe het werkt

De HTML wordt als tekst verwerkt met zorgvuldige patronen in plaats van in een pagina te worden geladen, dus er wordt niets uitgevoerd en er worden geen afbeeldingen of scripts opgehaald. Attribuutwaarden met een >-teken worden correct afgehandeld, en niet-afgesloten commentaar of scripts worden tot het eind van de invoer verwijderd in plaats van in de uitvoer te lekken.

Omdat de tool geen volledige documentboom opbouwt, kan heel kapotte HTML iets andere regeleinden opleveren dan een browser zou tonen, maar de tekst zelf blijft altijd behouden.