Inicio rápido
-
Pegar HTML
Funcionan páginas completas o fragmentos de artículos.
-
Copiar texto
El espacio en blanco extra se colapsa a espacios individuales.
HTML a texto
Convierte fragmentos HTML en texto simple para la ingestión de RAG, instrucciones o entrada de LLM. Parsing DOM local, nunca cargado.
Read the full guide: Markdown, HTML y texto simple: conversión y seguridad →
Privacidad: procesado localmente, nunca cargado.
↓ Pega en el área de entrada de abajo para ver los resultados al instante
将 HTML 转为纯文本，便于 RAG 索引或送入 LLM。本地解析，不上传。
HTML 输入
纯文本输出
Notas
解析方式
浏览器内用 DOMParser 提取 textContent; 无 DOM 环境时回退为标签剥离。脚本与样式标签会被忽略。
Convierte fragmentos HTML en texto simple para la ingestión de RAG, instrucciones o entrada de LLM. Parsing DOM local, nunca cargado.
Casos de uso
Limpieza de contenido raspado, eliminación de HTML por correo electrónico, preparación de documentos pre-trozo.
Características y casos de uso
Eliminar el HTML a texto simple mientras se conservan los intervalos de párrafo para la búsqueda, los resumens o la entrada de LLM.
Usar al archivar correos electrónicos, limpiar rasguños, post-procesamiento de texto rico o pre-ingestión de RAG.
Flujo de trabajo típico
Para extraer el contenido de la página web, simplemente pegue el código HTML o introduzca una URL. La herramienta elimina automáticamente elementos no contenidos como estilos y scripts, preservando el texto básico como encabezados y párrafos. El texto plano procesado puede copiarse directamente o almacenarse en una base de datos vectorial como datos RAG.
Los desarrolladores pueden usar la API para el procesamiento HTML por lotes. Por ejemplo, en los proyectos de rastreadores, primero busque el HTML de la página web y luego limpie con esta herramienta antes de almacenar la base de datos. Todo el procesamiento se realiza localmente, ideal para el cumplimiento del GDPR o el lavado de datos sensibles.
Ejemplos
Ejemplo
Input
<h1>Title</h1><p>Body</p>
Output
Title Body
FAQ
¿Mantener los descansos de línea?
El espacio blanco se colapsó; utilice herramientas Markdown si necesita estructura.
¿Por qué el texto procesado contiene líneas en blanco adicionales?
Esto preserva el espacio de párrafos HTML original. Para texto compacto, sustituye `\n{2,}` por puntos de línea únicos usando regex. La herramienta prioriza la retención del diseño visual ya que el espacio en blanco a menudo tiene un significado semántico.