Comment convertir du HTML en texte brut

À quoi sert la conversion HTML en texte brut ?

Convertissez un contenu HTML en texte brut lorsque vous souhaitez retirer les balises tout en conservant le texte lisible. L’outil accepte un contenu textuel avec ou sans balisage et propose des options pour gérer les retours à la ligne, les liens et la suppression des blocs de script ou de style. Le contenu fourni doit être une valeur textuelle.

Procédure

1. Collez ou saisissez le contenu HTML dans le champ de texte. Le champ est facultatif : si vous le laissez vide, la conversion réussit et renvoie un texte brut vide. Pour un résultat prévisible, utilisez une valeur textuelle plutôt qu’un nombre, un objet ou un autre type de valeur.

2. Vérifiez les options de conversion. La conservation des retours à la ligne est activée par défaut. Lorsqu’elle est active, les paragraphes, divisions, titres, éléments de liste, lignes de tableau, citations en bloc et sauts de ligne sont transformés en retours à la ligne. Si vous la désactivez, cette transformation spéciale ne s’applique pas, mais les balises sont quand même supprimées et leur contenu est conservé.

3. Laissez la conservation des liens activée si vous voulez garder les informations des liens correspondants. Pour un lien dont l’attribut href est écrit entre guillemets doubles, le texte du lien est conservé et l’adresse est ajoutée entre crochets. Cette option ne récupère pas et ne vérifie pas l’adresse présente dans le contenu.

4. Conservez la suppression des scripts et des styles si vous ne voulez pas retrouver leur contenu dans le résultat. Cette option est activée par défaut et retire les blocs concernés avec leur contenu.

5. Lancez la conversion, puis copiez le texte brut produit. Les balises de type HTML sont retirées du contenu non vide, tandis que le texte environnant est conservé. Les entités nommées prises en charge et les références numériques décimales sont décodées.

Lire et contrôler le résultat

Le résultat est un texte sans balises HTML, avec le contenu textuel conservé. Les retours à la ligne provenant de certains éléments de structure sont conservés par défaut, puis les suites d’au moins trois retours à la ligne sont ramenées à deux. Les suites d’au moins deux espaces sont ramenées à un, et les espaces au début et à la fin sont supprimés.

Les entités décodées dépendent de l’ensemble pris en charge par la conversion : il comprend notamment des signes de ponctuation, des espaces, des symboles monétaires et des marques, ainsi que des références numériques décimales. Il ne faut donc pas considérer que chaque construction HTML ou chaque syntaxe de lien sera traitée comme par un analyseur HTML complet.

Si une adresse de lien n’apparaît pas comme prévu, vérifiez notamment que l’attribut href correspondant utilise des guillemets doubles. Si le contenu contient une valeur qui n’est pas textuelle, la conversion peut échouer.

Exemple pratique

Vous disposez d’un court extrait HTML et souhaitez vérifier que son texte visible est récupéré sans balise.

Saisissez <p>Bonjour &amp; vous</p>, laissez la conservation des retours à la ligne activée, puis lancez la conversion.

Le résultat contient « Bonjour & vous », sans la balise de paragraphe et avec l’entité nommée décodée.

Limites

• La conversion ne permet pas de déduire que chaque construction HTML, chaque balisage mal formé ou chaque syntaxe de lien sera traité comme par un analyseur HTML complet. Les liens ne sont pas récupérés ni validés.

Erreurs fréquentes

• Erreur : fournir une valeur qui n’est pas du texte peut faire échouer la conversion. Correction : transmettez le contenu HTML sous forme de texte avant de lancer le traitement.

Questions fréquentes

Le champ HTML peut-il rester vide ?

Oui, si le contenu fourni est une valeur textuelle. Un contenu vide est aussi accepté et renvoie un texte brut vide, tandis que les valeurs d’un autre type peuvent faire échouer la conversion.

Les liens sont-ils conservés dans le texte brut ?

Oui, pour les liens correspondants dont l’attribut href utilise des guillemets doubles : le texte du lien reste présent et l’adresse est ajoutée entre crochets. L’adresse n’est ni récupérée ni vérifiée.

Que deviennent les blocs script et style ?

Les blocs script et style, avec leur contenu, sont supprimés lorsque cette option est activée. Elle l’est par défaut.