Remover Tags HTML

O que faz

O Remover Tags HTML transforma uma página, um template de e-mail ou um trecho de texto formatado em texto puro e limpo. Ele remove todas as tags, descarta scripts, estilos e comentários, decodifica entidades como & e   e mantém a estrutura que importa: títulos e parágrafos continuam separados, itens de lista ficam em linhas próprias e células de tabela continuam em linhas.

É útil quando você precisa das palavras sem a marcação: colar texto de um CMS em um e-mail de texto puro, alimentar um índice de busca ou um modelo de linguagem, contar as palavras de um artigo ou conferir o que um leitor de tela ou um cliente só de texto mostraria.

Como usar

1. Cole HTML na entrada ou abra um arquivo .html.
2. Ajuste as opções, se precisar:
   • Manter parágrafos e quebras de linha transforma elementos de bloco em linhas em branco ou quebras de linha. Desative para obter uma única linha de texto.
   • Reduzir espaços em branco extras junta os espaços, tabs e linhas em branco que vêm da indentação do código-fonte, do mesmo jeito que um navegador faz.
   • Decodificar entidades transforma <, é, ' e companhia em caracteres reais.
   • Manter URLs dos links escreve cada link como text (https://…) para que os destinos não se percam.
3. Copie o texto ou baixe-o como arquivo.

Exemplo

A entrada de exemplo é uma pequena página de notas de versão com um título, um bloco de estilo, um script, um cabeçalho, um parágrafo com link, uma lista e uma quebra de linha. A saída mantém só o que um leitor veria:

Release notes

Version 2.0 – what's new

Faster builds, a dark theme and better documentation.

Search with Ctrl + K
Prices from €5 / month

Como funciona

O HTML é processado como texto com padrões cuidadosos em vez de ser carregado em uma página, então nada nele é executado e nenhuma imagem ou script é baixado. Valores de atributos que contêm o caractere > são tratados corretamente, e comentários ou scripts não fechados são removidos até o fim da entrada em vez de vazarem para a saída.

Como a ferramenta não monta uma árvore de documento completa, um HTML muito quebrado pode gerar quebras de linha um pouco diferentes das que um navegador mostraria, mas o texto em si é sempre preservado.