HTML a texto — Quitar etiquetas y extraer el contenido
Extrae texto legible de un HTML con opciones de párrafos y enlaces
Funciona en tu navegador · no se sube nada
Extrae el texto sin ejecutar ni mostrar el HTML. Se omiten los scripts, los estilos y el contenido hidden o aria-hidden. No se calcula la visibilidad CSS, y los espacios de los bloques pre se normalizan.
Cómo se usa
- Pega el HTML del código fuente de una página, de un editor o de un correo.
- Elige si quieres mantener los saltos de párrafo.
- Activa las direcciones de los enlaces si quieres que cada enlace vaya seguido de su URL.
- Copia el texto plano a tus notas o documentos.
Reglas de extracción
La herramienta usa el analizador HTML del navegador en lugar de quitar etiquetas con una expresión regular. Las entidades HTML se decodifican una sola vez, y los acentos, la ñ, el chino, el coreano y los emojis se mantienen intactos. Los párrafos, divs, encabezados, elementos de lista y filas de tabla crean saltos de línea. Las celdas de tabla se separan con espacios. El modo de una sola línea reduce todos los espacios en blanco a espacios simples.
Se omiten scripts, estilos, el título del documento, plantillas, bloques noscript y contenido incrustado. Se saltan los elementos con hidden o aria-hidden=“true”. El texto alternativo de las imágenes y los valores de los campos de formulario no se extraen por separado. La herramienta no reproduce la visibilidad CSS ni el diseño visual. Si las activas, las direcciones de los enlaces se añaden como texto normal y no pueden ejecutarse.
Ejemplos
<p>Año & niño</p><p>😀</p> se convierte en dos párrafos de texto con el modo de párrafos activado. <a href="/guia">Guía</a> se convierte en Guía (/guia) si incluyes las direcciones.
Límites y privacidad
La entrada admite hasta un millón de caracteres y el recorrido del DOM hasta 128 niveles. El HTML mal formado sigue las reglas de recuperación del analizador del navegador. No se conservan los espacios originales dentro de los elementos pre. Todo se procesa localmente: ni la entrada ni el resultado se suben.
Preguntas frecuentes
¿Se ejecutan los scripts o se cargan imágenes externas?
No. El HTML se analiza en una plantilla inerte que nunca se inserta en la página. El resultado se muestra solo como texto, y el contenido de scripts y estilos se omite.
¿El resultado coincide exactamente con el texto visible de la página?
No. Se omiten los elementos marcados con hidden o aria-hidden, pero no se evalúan los estilos CSS, las hojas de estilo externas ni el diseño.
¿Se conservan los espacios originales?
No. El modo de párrafos mantiene los límites de bloque y de br, pero los espacios repetidos y los espacios dentro de elementos pre se normalizan.
¿Se sube mi HTML a algún servidor?
No. Todo el procesamiento ocurre en tu navegador; ni el HTML ni el texto resultante se envían ni se guardan.
