Trình xóa thẻ HTML

Trình xóa thẻ HTML là công cụ miễn phí giúp loại bỏ các thẻ HTML khỏi một đoạn văn bản và trả về phần nội dung còn lại dưới dạng văn bản thuần túy.

Làm cách nào để xóa thẻ HTML khỏi văn bản?

Dán văn bản nguồn, chạy công cụ, sau đó sao chép kết quả ở dạng văn bản thuần túy.

1. Dán văn bản có chứa các thẻ như <p>, <strong>, <a> hoặc <div>.
2. Chạy công cụ để xóa toàn bộ thẻ HTML.
3. Kiểm tra khoảng cách rồi sao chép kết quả vào tài liệu, bảng tính hoặc hệ thống quản lý nội dung của bạn.

Công cụ sử dụng hàm strip_tags của PHP. Quá trình xử lý diễn ra trên máy chủ, vì vậy dữ liệu bạn nhập sẽ được truyền tới máy chủ qua HTTPS. Dữ liệu này không được lưu trữ.

Xóa HTML giúp tiết kiệm thời gian trong trường hợp nào?

Công cụ giúp tiết kiệm thời gian khi văn bản được sao chép hoặc xuất kèm mã đánh dấu mà nơi nhận không cần hoặc không hỗ trợ.

• Làm sạch mô tả sản phẩm được xuất từ WordPress, Shopify hoặc một hệ thống quản lý nội dung khác trước khi đưa vào sổ làm việc Excel hoặc Google Sheets.
• Chuẩn bị các trường trộn thư dạng văn bản thuần túy cho Microsoft Word hoặc các nền tảng email như Mailchimp, nơi những thẻ không mong muốn có thể xuất hiện trong thư.
• Xóa mã đánh dấu đoạn văn và liên kết khỏi cột mô tả trong tệp CSV trước khi nhập vào cơ sở dữ liệu.
• Chuẩn bị văn bản cho những trường trên nền tảng có đếm ký tự hiển thị nhưng không kết xuất HTML.
• Làm sạch nội dung sao chép từ trang web trước khi thêm vào ghi chú, phiếu hỗ trợ hoặc tài liệu nội bộ.

Bạn nên giữ lại cấu trúc cần thiết trước khi xóa thẻ. Nếu các đoạn văn, mục danh sách hoặc chỗ xuống dòng cần được tách riêng, hãy thay thẻ đóng đoạn văn, thẻ đóng mục danh sách và phần tử <br> bằng ký tự xuống dòng trước.

Khoảng cách, dấu câu và ký tự đặc biệt sẽ ra sao?

Khoảng trắng, dấu câu, chữ số và các ký tự văn bản thông thường vẫn được giữ lại, còn bản thân các thẻ sẽ bị xóa.

Việc xóa thẻ không tự động chèn khoảng trắng vào vị trí trước đó của thẻ. Ví dụ, <ul><li>Red</li><li>Blue</li></ul> sẽ trở thành RedBlue. Nếu nguồn có sẵn khoảng trắng hoặc ký tự xuống dòng giữa các phần tử đó, những ký tự này vẫn được giữ nguyên.

Chữ cái có dấu, emoji và chữ viết không dùng bảng chữ cái Latinh là nội dung chứ không phải thẻ HTML, nên việc xóa thẻ không mặc nhiên loại bỏ chúng. Với một khối văn bản rất dài, hãy kiểm tra kết quả ở một số vị trí, đặc biệt khi nguồn chứa mã đánh dấu chưa hoàn chỉnh hoặc sai cấu trúc.

Ví dụ trước và sau khi xử lý

Đầu vào: <p>Hello <strong>Sam</strong>.</p>

Đầu ra: Hello Sam.

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

Đầu ra: DeliveryUsually 2–3 working days.

Đầu vào: <p>Delivery &amp; returns</p>

Đầu ra: Delivery &amp; returns

Ví dụ cuối cho thấy các tham chiếu ký tự như &amp; không được giải mã. Xóa thẻ và giải mã tham chiếu ký tự HTML là hai thao tác riêng biệt.

Trình xóa thẻ HTML không làm được những gì?

Công cụ không thể chỉ trích xuất phần nội dung chính của bài viết, khôi phục khoảng cách giữa các đoạn hoặc chuyển đổi HTML sang Markdown.

Nội dung bên trong phần tử script và style có thể vẫn còn sau khi các thẻ bao quanh bị xóa. Ví dụ, nếu xóa thẻ khỏi <script>alert("x")</script>Welcome, kết quả sẽ là alert("x")Welcome. Vì vậy, khi xử lý dữ liệu đầu vào không đáng tin cậy, việc xóa thẻ không thể thay thế một công cụ chuyên dụng để làm sạch HTML.

Mã đánh dấu bị lỗi cũng có thể tạo ra kết quả ngoài dự kiến vì strip_tags không phải là công cụ sửa chữa HTML. Nếu cần URL thay vì văn bản hiển thị, hãy dùng Trình trích xuất URL. Trình tính kích thước văn bản có thể hữu ích khi kết quả đã làm sạch phải vừa với một trường bị giới hạn.

Câu hỏi thường gặp

Công cụ có xóa chú thích HTML không?

Có. Hàm strip_tags của PHP xóa cả chú thích HTML lẫn các thẻ. Vì vậy, văn bản chỉ nằm bên trong chú thích sẽ không xuất hiện trong kết quả.

Tôi có thể giữ lại một số thẻ HTML không?

Không. Công cụ này được thiết kế để xóa tất cả thẻ HTML. Hãy dùng công cụ làm sạch HTML hoặc trình phân tích cú pháp nếu bạn cần giữ lại một tập hợp thẻ được phép, chẳng hạn như đoạn văn và liên kết.

Công cụ có xóa định dạng Markdown không?

Không. Cú pháp Markdown như dấu thăng, dấu sao và dấu ngoặc vuông vẫn còn trong đầu ra, còn mọi thẻ HTML được nhúng vẫn bị xóa.

Kết quả có thể lưu ngay dưới dạng CSV không?

Không hẳn. Việc xóa thẻ không xử lý dấu phẩy, dấu ngoặc kép hoặc ký tự xuống dòng được nhúng theo quy tắc CSV. Hãy dùng công cụ ghi CSV phù hợp khi đưa văn bản đã làm sạch vào tệp.

Tôi có thể dùng công cụ để lấy nội dung chính từ toàn bộ trang web không?

Bạn có thể xóa các thẻ khỏi mã nguồn trang được cung cấp, nhưng kết quả có thể chứa nhãn điều hướng, thông báo cookie, CSS và nội dung JavaScript. Muốn trích xuất phần bài viết chính, bạn cần một trình phân tích cú pháp có khả năng hiểu cấu trúc trang.

Kiểm tra lần cuối

Hãy đọc lại văn bản đã làm sạch một lần trước khi sử dụng. Khôi phục mọi khoảng trắng hoặc chỗ ngắt đoạn bị thiếu, xác nhận rằng các tham chiếu ký tự HTML hiển thị đúng như mong muốn, đồng thời xử lý mã nguồn không đáng tin cậy bằng quy trình làm sạch phù hợp thay vì chỉ xóa thẻ.