HTML in reinen Text umwandeln

So funktioniert es

Fügen Sie den HTML-Code in das linke Feld ein; der von Tags befreite Text erscheint sofort rechts. Das Werkzeug entfernt öffnende und schließende Tags, verwirft Script- und Style-Blöcke mitsamt Inhalt — weder Code noch Stilregeln sickern in den Text —, löscht HTML-Kommentare und löst Entities wie &,   und ü in echte Zeichen auf. Ein aus dem Quelltext einer Nachrichtenseite kopierter 40-KB-Block fällt beim Einfügen auf wenige KB lesbaren Text zusammen, mit Überschriften und Absätzen in eigenen Zeilen; Listenpunkte erhalten einen Gedankenstrich. Die Link-Option ist für Quellenlisten gedacht: Mit Text + Adresse folgt auf jeden Link seine URL in Klammern. Die Ergebniszeile nennt die Zahl der entfernten Tags und den Rückgang der Zeichenzahl; die Ausgabe lässt sich kopieren oder als .txt-Datei herunterladen.

Dieses Werkzeug ist auch als html in text umwandeln, html tags entfernen, html zu text, text aus html extrahieren, html code bereinigen bekannt.

Was ist HTML?

HTML (HyperText Markup Language) ist die Auszeichnungssprache, die das Gerüst von Webseiten bildet: Mit Tags in spitzen Klammern legt sie fest, welcher Teil des Textes Überschrift, Absatz oder Link ist. Der Browser liest diese Auszeichnung und baut daraus die sichtbare Seite; kopiert man stattdessen den Quelltext, kommt die Auszeichnung mit dem Text verwoben an. Die Aufgabe dieses Werkzeugs ist es, aus diesem Geflecht den für Menschen geschriebenen Inhalt herauszulösen — die Auszeichnung geht, die Worte bleiben.

Was ist Tag?

Ein Tag ist der Baustein von HTML in spitzen Klammern: <p> öffnet einen Absatz, </p> schließt ihn, <a href="..."> setzt einen Link. Die meisten Tags arbeiten als Paar aus Öffnung und Schließung, der eigentliche Inhalt steht dazwischen; einige wie <br> stehen allein. Bei der Bereinigung werden der Tag selbst und seine Attribute verworfen, der Text dazwischen bleibt erhalten. Script- und Style-Tags sind die Ausnahme: Zwischen ihnen steht Code statt Text, deshalb werden sie mitsamt Inhalt entfernt.

Was ist Entity?

Eine Entity ist die kodierte Schreibweise eines Zeichens, das in HTML eine Sonderbedeutung hat oder schwer einzutippen ist: &amp; steht für das Und-Zeichen, &lt; für das Kleiner-als-Zeichen, &nbsp; für das geschützte Leerzeichen. Daneben gibt es die numerische Form — &#252; und &#xFC; bedeuten beide ü. In aus dem Quelltext kopiertem Text stören diese Codes den Lesefluss; das Werkzeug löst alle in HTML definierten benannten und alle numerischen Entities in echte Zeichen auf und lässt Unbekanntes unangetastet, damit keine Daten verloren gehen.

Layout und versteckter Inhalt: was die Bereinigung verliert — und was sie zutage bringt

Tags tragen nicht nur Aussehen, sondern auch Struktur: Was Tabellenzellen ausrichtet, Text in Spalten teilt und Bilder platziert, ist aus Tags gebaut. Die Bereinigung zerstört diese Struktur unumkehrbar — Tabellenzeilen fallen zu untereinander stehenden Zeilen zusammen, Bilder werden ersatzlos verworfen. Wer die Worte einer Seite will und nicht ihr Aussehen, bekommt genau das Richtige; wer das Layout mitnehmen muss, braucht eine Umwandlung, keine Bereinigung.

In der Gegenrichtung gibt es eine Überraschung: Mit CSS versteckter Inhalt (auf display:none gesetzte Hinweise, Texte für Screenreader, nicht aufgeklappte Menüpunkte) ist im Browser unsichtbar, steht aber im HTML. Da dieses Werkzeug kein CSS interpretiert, taucht dieser Text in der Ausgabe auf. Die Ausgabe ist also keine Kopie dessen, was Sie auf der Seite sahen — sie ist der vollständige Text, den das HTML tatsächlich enthält.

Welche Einstellung für welche Aufgabe?

Beide Optionen richten sich danach, wohin der Text anschließend geht; die Voreinstellungen decken den häufigsten Fall ab.

• Artikel oder Newsletter als lesbaren Text archivieren → Absätze erhalten
• In eine Tabellenzelle oder ein einzeiliges Feld einfügen → Eine Zeile
• Alle Links eines Newsletters als Quellenliste ausgeben → Text + Adresse
• Sauberen Fließtext in die Textverarbeitung übernehmen → Absätze erhalten + nur Linktext

Häufige Fragen

Wie entferne ich HTML-Tags aus einem Text?

Fügen Sie den HTML-Code einfach in das linke Feld ein; der reine Text ohne Tags, Script-/Style-Blöcke und Kommentare erscheint sofort rechts. Die Ausgabe lässt sich kopieren oder als .txt-Datei herunterladen.

Wird der eingefügte HTML-Code an einen Server gesendet?

Nein. Die Bereinigung läuft vollständig in Ihrem Browser; weder der Code noch der darin enthaltene Text wird irgendwohin übertragen. Auch eine E-Mail mit Kundendaten können Sie bedenkenlos einfügen.

Warum werden Zeichen wie &amp; und &#252; korrekt dargestellt?

Das sind HTML-Entities: die Code-Schreibweise von Sonderzeichen. Das Werkzeug löst alle in HTML definierten benannten Entities — auch Akzentformen wie &ccedil; und &eacute; — sowie alle numerischen in echte Zeichen auf — aus &amp; wird das Und-Zeichen, aus &#252; wird ü. Unbekannte Entities bleiben unverändert stehen, statt verstümmelt zu werden.

Kommen Tabellendaten in Spalten heraus?

Nein; die Struktur, die Spalten ausrichtet, besteht aus Tags und verschwindet mit ihnen — die Zellen landen auf eigenen Zeilen. Wer die Tabelle als Tabelle braucht, braucht eine Formatumwandlung statt einer Tag-Entfernung; wer nur den Text braucht, ist hier richtig.