Convertisseur en ligne gratuit de HTML en TXT

Certains programmes, outils en ligne de commande, archives et systèmes de messagerie électronique n’acceptent que le texte brut ; les pages web enregistrées doivent donc être débarrassées du balisage HTML avant utilisation. La conversion produit également une version plus petite et interrogeable pour l’édition, la journalisation ou l’archivage de texte à long terme.

Qu’est-ce que le format HTML ?

HTML est un langage de balisage qui définit la structure d’un document, notamment les titres, paragraphes, liens, listes, tableaux, images, formulaires, scripts et éléments de mise en forme. Les navigateurs affichent les fichiers HTML, tandis que les éditeurs et systèmes de publication tels que Visual Studio Code, Notepad++, WordPress et les outils de création web permettent de les créer ou de les modifier. Les pages web enregistrées, les rapports exportés, les messages électroniques et les documents sources de sites web utilisent généralement des fichiers .html ou .htm.

Qu’est-ce que le format TXT ?

TXT stocke des données de caractères sans balises HTML, styles CSS, polices, couleurs, images, scripts ni mise en page. Il s’ouvre dans des éditeurs basiques tels que Notepad et TextEdit, dans des éditeurs de terminal, des systèmes de gestion documentaire et la plupart des systèmes d’exploitation. Le texte brut est généralement peu volumineux, interrogeable, facile à gérer avec un système de contrôle de version et accepté par les logiciels qui refusent les documents mis en forme.

Un fichier TXT possède toujours un encodage et une convention de fin de ligne. UTF-8 est le choix général le plus sûr, car il prend en charge les caractères accentués, les écritures non latines et les symboles ; Windows-1252, ISO-8859-1 et d’autres encodages hérités prennent en charge moins de caractères.

Comment convertir HTML en TXT

Avec 101convert.com

1. Ouvrez le convertisseur HTML-TXT sur 101convert.com ; il peut être utilisé gratuitement sans installer de logiciel.
2. Sélectionnez ou téléversez le fichier source .html ou .htm.
3. Lancez la conversion et enregistrez le fichier .txt obtenu.
4. Ouvrez le fichier de sortie dans un éditeur de texte et vérifiez les titres, les listes, les tableaux, les liens et les caractères non anglais.

Avec Pandoc en local

Pandoc convient aux conversions répétables en ligne de commande. Exécutez :

pandoc input.html -t plain -o output.txt

Pandoc écrit par défaut la sortie texte en UTF-8. Pour un fichier HTML local qui fait référence à des images, des feuilles de style ou d’autres ressources relatives, gardez les dossiers référencés disponibles pendant la conversion ; ces ressources peuvent affecter l’analyse, mais les images et la mise en forme visuelle ne peuvent pas être représentées en TXT.

Avec un navigateur pour le contenu sélectionné

Ouvrez le fichier dans un navigateur, sélectionnez le contenu à conserver, copiez-le et collez-le dans un éditeur de texte brut avec Edit → Paste and Match Style, Paste as plain text ou l’équivalent de l’éditeur. Enregistrez le résultat sous output.txt et sélectionnez UTF-8 si une option d’encodage est proposée. Cette méthode ne convertit que le contenu affiché sélectionné ; elle peut donc omettre la navigation, les sections masquées ou le contenu inséré par des scripts. Elle peut également modifier les colonnes des tableaux et l’indentation des listes.

Avec LibreOffice

Ouvrez le fichier HTML dans LibreOffice et choisissez File → Save As. Sélectionnez Text (.txt), enregistrez le fichier, puis choisissez l’encodage des caractères et les paramètres de fin de ligne dans la boîte de dialogue d’exportation. Cette méthode est utile pour une conversion manuelle, mais l’espacement et la disposition des tableaux obtenus dépendent toujours de la manière dont LibreOffice interprète le HTML.

Limites de qualité et de compatibilité

Modifier .html en .txt en renommant l’extension ne convertit pas le contenu : les balises HTML, les scripts et les attributs restent dans le fichier. Un éditeur de texte peut afficher le code source, mais un logiciel qui utilise du texte brut ne transformera pas automatiquement ce code source en texte de page lisible.

TXT ne peut pas conserver le CSS, la mise en page, les images, l’audio, la vidéo, les formulaires, les scripts, le comportement des liens cliquables ni la structure exacte des tableaux. Un convertisseur peut conserver le libellé visible d’un lien, produire son URL ou supprimer la destination. La navigation, les publicités, les éléments masqués et le contenu généré par des scripts peuvent être omis ou inclus différemment selon que la conversion lit le code source original ou la page affichée par le navigateur.

Vérifiez les lignes longues, l’espacement des lignes vides, les marqueurs de liste et les données des tableaux après la conversion, car le texte brut ne possède aucune norme universelle de mise en page. Si les caractères semblent corrompus, rouvrez le fichier en utilisant l’encodage source ou convertissez-le explicitement en UTF-8 ; modifier l’extension du nom de fichier ne peut pas corriger une incompatibilité d’encodage.