HTMLタグ除去・テキスト抽出 — 段落とリンクも保持
HTMLから読みやすいテキストを抽出。段落とリンクの扱いを選べます
ブラウザー内で処理・アップロード不要
HTMLを実行・表示せずにテキストだけを抽出します。script、style、hidden、aria-hiddenの内容は除外します。CSSによる表示・非表示は計算せず、pre内の空白も整理します。
どんなツールか
Webページのソース、HTMLメール、エディターから書き出したHTMLなどから、タグを取り除いて文章だけを取り出すツールです。メモや文書に貼り付けたいとき、文字数を数えたいとき、翻訳に回したいときに便利です。段落の区切りを残すか、リンク先のURLも書き出すかを選べます。
使い方
- ページのソース、エディター、メールなどからHTMLを貼り付けます。
- 段落の改行を残すかどうかを選びます。
- リンクの後ろにアドレスを付けたい場合は、リンク先URLの表示をオンにします。
- 抽出されたテキストをコピーして、メモや文書に使います。
抽出のルール
正規表現でタグを消すのではなく、ブラウザーのHTMLパーサーで解析します。HTMLエンティティは1回だけ変換され、日本語、韓国語、中国語、絵文字はそのまま残ります。段落、div、見出し、リスト項目、表の行は改行の区切りになり、表のセルは空白で区切られます。1行モードでは、すべての空白をひとつのスペースにまとめます。
script、style、titleなどの文書タイトル、template、noscript、埋め込みコンテンツは除外されます。hidden属性や aria-hidden="true" の要素も読み飛ばします。画像の代替テキストやフォームの入力値は個別には抽出しません。CSSによる表示・非表示や見た目のレイアウトは再現しません。リンク先URLを含める設定にすると、URLはただの文字列として付け加えられ、実行されることはありません。
例
段落モードでは、<p>日本語 & 中文</p><p>😀</p> は2つの段落のテキストになります。リンク先URLを含める設定では、<a href="/guide">ガイド</a> は「ガイド (/guide)」になります。
制限とプライバシー
入力は合計100万文字まで、DOMの探索は128階層までです。崩れたHTMLは、ブラウザーのパーサーの修復ルールに従って解釈されます。pre要素の中の元の空白は保持されません。処理はすべて端末内で行われ、入力も結果もアップロードされません。
よくある質問
スクリプトが実行されたり、外部の画像が読み込まれたりしませんか？
されません。入力はページに挿入されない不活性なtemplate要素の中で解析され、結果はテキストとしてのみ表示されます。scriptとstyleの中身も除外します。
結果はブラウザーに表示される文字と完全に一致しますか？
一致するとは限りません。hidden属性やaria-hidden属性の付いた要素は除外しますが、CSSのスタイル、外部スタイルシート、レイアウトは評価しません。
元の空白はそのまま残りますか？
残りません。段落モードではブロック要素とbrの区切りを改行として保ちますが、連続する空白やpre要素の中の空白は整理されます。
入力したHTMLはサーバーに送信されますか？
送信されません。解析と抽出はすべてブラウザーの中で行われ、入力も結果もアップロード・保存されません。
