HTMLタグを削除してプレーンテキストに変換する方法

HTMLをプレーンテキストに変換する場面

HTMLに含まれるタグを取り除き、文章部分をプレーンテキストとして取り出したいときに使います。見出し、段落、リスト項目などの区切りを改行として残す設定や、リンク情報を残す設定を選べます。スクリプトとスタイルの内容を除外したり、対応するHTMLエンティティを文字に戻したりする用途にも向いています。入力にはテキスト値を指定します。

入力から出力までの進め方

変換したいHTMLをテキスト入力欄に貼り付けます。入力を省略した場合は空の値として扱われ、空のプレーンテキストが正常に返ります。
区切りを保ちたい場合は、改行の保持を有効にします。段落、区切り要素、見出し、リスト項目、表の行、引用、改行要素が改行に変換されます。無効にすると、この特別な改行変換は行われませんが、タグを取り除いた後の内容は残ります。
リンクの情報も残したい場合は、リンクの保持を有効にします。二重引用符で囲まれたhrefを持つ対応リンクでは、リンク文字列の後ろにhrefが角括弧付きで追加されます。
スクリプトやスタイルを除外する場合は、スクリプト削除を有効にします。この設定では、該当ブロックとその内容が削除されます。必要に応じて、エンティティのデコードに関する設定も確認します。
変換を実行し、出力されたプレーンテキストを確認します。タグは取り除かれますが、テキスト内容は保持されます。最後に、連続する3個以上の改行は2個に、連続する2個以上の空白は1個に整理され、前後の空白は削除されます。

変換後の確認ポイント

出力では、HTMLタグのない文章を確認します。改行保持が有効なら、対象のブロック要素が文章の区切りとして現れます。リンク保持が有効で、リンクのhrefが二重引用符で指定されている場合は、リンク文字列に続いてhrefが角括弧付きで表示されます。

空白や改行が入力時のまま残らない場合があります。これは、長い連続改行や連続空白の整理、前後の空白の削除によるものです。エンティティは対応している種類だけがデコードされます。また、複雑なHTMLや不完全なマークアップを、完全なHTMLパーサーと同じ結果になるとは考えないでください。

使用例

見出しとリンクを含むHTMLから、構造の区切りとリンク情報を確認できるプレーンテキストを作成します。

HTMLに見出し、段落、リンクを含むテキストを入力し、改行保持とリンク保持を有効にして変換します。

見出しと本文はタグなしの文章として出力され、改行保持が有効なら見出しと本文の間に改行が入り、リンク文字列の後ろにはhrefが角括弧付きで続きます。

制限事項

入力として確認されているのはテキスト値です。対応するエンティティや特定形式のリンク情報が扱われますが、任意の非文字列値や複雑なHTMLを完全なHTMLパーサーと同じように処理できるとは限りません。

よくある間違い

テキスト値ではない値を入力すると、変換に失敗する場合があります。入力を文字列として渡してから、もう一度実行してください。

よくある質問

入力が空でも変換できますか？

入力欄を空のまま実行すると、空のプレーンテキストが正常な結果として返ります。

HTMLの段落や見出しは改行になりますか？

改行保持を有効にした場合は、段落、見出し、リスト項目などの区切り要素が改行になります。無効にすると特別な改行変換は行われませんが、タグと内容は残ります。

リンク先の情報も出力できますか？

リンク保持を有効にした場合に限り、二重引用符で囲まれたhrefを持つ対応リンクでは、リンク文字列の後ろへhrefが角括弧付きで追加されます。リンク先を取得・検証する機能だとは限りません。