Removedor de tags HTML

O Removedor de tags HTML é uma ferramenta gratuita que remove as tags HTML de um bloco de texto e devolve o conteúdo restante como texto simples.

Como removo as tags HTML de um texto?

Cola o texto de origem, executa a remoção e copia o texto simples resultante.

1. Cola o texto que contém tags como <p>, <strong>, <a> ou <div>.
2. Executa a ferramenta para remover todas as tags HTML.
3. Verifica os espaços e copia o resultado para o teu documento, folha de cálculo ou sistema de conteúdos.

A ferramenta utiliza a função strip_tags do PHP. O processamento é efetuado no servidor, pelo que os dados introduzidos são enviados para o servidor através de HTTPS. Não são armazenados.

Quando é que remover HTML poupa tempo?

Esta operação poupa tempo quando o texto foi copiado ou exportado com marcação que o destino não aceita ou de que não necessita.

• Limpar descrições de produtos exportadas do WordPress, Shopify ou de outro sistema de gestão de conteúdos antes de as colocar num livro do Excel ou do Google Sheets.
• Preparar campos de impressão em série em texto simples para o Microsoft Word ou para plataformas de email como o Mailchimp, onde podem surgir tags indesejadas na mensagem.
• Remover a marcação de parágrafos e ligações de uma coluna de descrições num CSV antes de importar os dados para uma base de dados.
• Preparar texto para campos de plataformas que contam os caracteres visíveis, mas não apresentam HTML.
• Limpar conteúdo copiado de sites antes de o adicionar a notas, pedidos de suporte ou documentação interna.

É aconselhável preservar a estrutura antes de remover as tags. Se os parágrafos, os itens de listas ou as quebras de linha tiverem de permanecer separados, substitui primeiro as tags de fecho de parágrafo, as tags de fecho dos itens de lista e os elementos <br> por quebras de linha.

O que acontece aos espaços, à pontuação e aos caracteres menos comuns?

Os espaços, a pontuação, os números e os caracteres de texto comuns permanecem, enquanto as tags são eliminadas.

A remoção das tags não insere automaticamente espaços nos locais onde estas se encontravam. Por exemplo, <ul><li>Red</li><li>Blue</li></ul> passa a RedBlue. Se a origem tiver espaços ou quebras de linha reais entre esses elementos, esses caracteres permanecem.

As letras acentuadas, os emoji e os sistemas de escrita não latinos são conteúdo, não tags HTML, pelo que a remoção das tags não os elimina por si só. Se estiveres a processar um bloco muito extenso, verifica vários pontos do resultado, sobretudo quando a origem contiver marcação incompleta ou malformada.

Antes e depois

Entrada: <p>Hello <strong>Sam</strong>.</p>

Saída: Hello Sam.

Entrada: <h2>Delivery</h2><p>Usually 2–3 working days.</p>

Saída: DeliveryUsually 2–3 working days.

Entrada: <p>Delivery &amp; returns</p>

Saída: Delivery &amp; returns

O último exemplo mostra que as referências de caracteres, como &amp;, não são descodificadas. Remover tags e descodificar referências de caracteres HTML são operações distintas.

O que é que um removedor de tags HTML não faz?

Não extrai apenas o texto relevante de um artigo, não recria o espaçamento entre parágrafos nem converte HTML em Markdown.

O conteúdo dentro de elementos script e style pode permanecer depois de as respetivas tags envolventes serem removidas. Por exemplo, remover as tags de <script>alert("x")</script>Welcome deixa alert("x")Welcome. Por esse motivo, a remoção de tags não substitui um sanitizador de HTML específico quando estás a lidar com dados de origem não fidedigna.

A marcação inválida também pode produzir resultados inesperados, uma vez que strip_tags não é uma ferramenta de reparação de HTML. Se precisares de URLs em vez do texto visível, utiliza o Extrator de URL. A Calculadora de tamanho de texto pode ser útil quando o resultado limpo tiver de caber num campo com limite de tamanho.

Perguntas frequentes

A ferramenta também remove comentários HTML?

Sim. A função strip_tags do PHP remove tanto os comentários HTML como as tags. Por isso, o texto colocado apenas dentro de um comentário não aparece no resultado.

Posso manter algumas tags HTML?

Não. Esta ferramenta destina-se a remover todas as tags HTML. Utiliza um sanitizador ou analisador de HTML quando precisares de manter um conjunto aprovado, como parágrafos e ligações.

A ferramenta remove a formatação Markdown?

Não. A sintaxe Markdown, como cardinais, asteriscos e parênteses retos, permanece no resultado, enquanto as tags HTML incorporadas continuam a ser removidas.

Posso guardar logo o resultado como CSV?

Não necessariamente. A remoção de tags não trata vírgulas, aspas ou quebras de linha incorporadas de acordo com as regras do CSV. Utiliza um gerador de CSV adequado ao colocar o texto limpo num ficheiro.

Posso extrair o texto principal de uma página Web completa?

Podes remover as tags do código-fonte fornecido, mas o resultado pode incluir etiquetas de navegação, avisos de cookies e conteúdo CSS e JavaScript. Para extrair o artigo principal, é necessário um analisador que compreenda a estrutura da página.

Verificações finais

Lê o texto limpo uma vez antes de o utilizares. Repõe quaisquer espaços ou quebras de parágrafo em falta, confirma que as referências de caracteres HTML são apresentadas como pretendes e, no caso de código-fonte não fidedigno, utiliza um processo de sanitização adequado em vez de depender apenas da remoção de tags.