HTML 标签去除
粘贴 HTML 提取纯文本，五项开关控制 script/注释/实体处理。
请粘贴要提取正文的 HTML。
原因：输入为空。
建议：贴网页源代码、导出的 HTML 文件内容或富文本片段均可。
纯文本
粘贴 HTML 后，提取出的纯文本会显示在这里。
使用说明
这个工具解决什么问题
从网页源码、邮件模板、富文本片段里取正文,直接复制会带上标签、脚本和实体字符;上完整解析库又太重。这个工具粘贴 HTML 即提取纯文本:先整体删掉 script/style/noscript 再剥标签(默认开),块级标签转换行保持段落感,删注释、解 HTML 实体、收敛空行三项可开关,并统计删除的标签与注释数量。边界明说:本工具是轻量取正文,不是完整 HTML 解析,要转换结构请用「文档互转」。纯浏览器本地运行,内容不上传。
核心能力
安全取正文:先删 script/style/noscript 再剥标签,脏内容不混入。段落保持:块级标签(div/p/br/h1-h6 等)转换行,段落不粘连。五项开关:删脚本、块级转换行、删注释、解实体、收敛空行按需取舍。删除统计:标签与注释的删除数量列明,核对有据。零上传:本地处理,内容不出本机。
使用建议
网页正文提取按默认开关直接用,结果粘进站内字数统计即可核对篇幅;处理富文本导出的 HTML 时确认「删注释」已开,里头常藏条件注释残留。批量清洗前先用小段样本试一遍开关组合,满意再整篇处理;需要保留标题层级或转 Markdown 的场景,换「文档互转」而不是硬剥。
常见问题
和「文档互转」有什么区别?
本工具是轻量取正文:剥标签、留文本,快但不理解 HTML 语法树;「文档互转」做完整解析与格式转换。只要纯文本用本工具,要保留或转换结构用互转。
为什么先删 script/style 再剥标签?
默认先把 script、style、noscript 整体删掉,再剥其余标签——否则脚本代码和 CSS 文本会混进结果里,这是取正文最常见的脏来源。
五项开关分别管什么?
删 script/style/noscript(默认开)、块级标签转换行保持段落感(div/p/br/h1-h6 等)、删注释、解 HTML 实体(& 变 &)、收敛连续空行。按需取舍,另统计删除的标签与注释数量供核对。
段落感怎么保证?
剥标签时把块级标签替换为换行而不是直接删除,段与段之间不会粘成一团;配合空行收敛,拿到的文本可直接进编辑器或字数统计。