Convertisseur HTML vers Texte

Ce que fait réellement la conversion HTML vers texte

Les pages web, les e-mails et les exports de CMS ne sont pas du texte brut. Ce sont du HTML : un arbre de balises comme p, div, span, a et strong enroulées autour des mots qui vous intéressent vraiment. Quand vous copiez ce source ou collez un extrait enrichi, vous emportez avec lui des styles en ligne, des attributs de suivi et du balisage structurel qui vous gênent dès l'instant où vous voulez le contenu lisible seul. Convertir le HTML en texte parcourt cet arbre et ne garde que les mots visibles, en écartant chaque balise et chaque attribut.

L'objectif n'est pas seulement de supprimer les chevrons. Un simple rechercher-remplacer des balises tasserait les paragraphes les uns contre les autres et transformerait un article bien ordonné en un mur ininterrompu. Une conversion correcte traite les éléments de niveau bloc comme les paragraphes, les titres et les éléments de liste en tant que frontières, en insérant des sauts de ligne pour que le résultat se lise dans le même ordre logique qu'un humain suivrait, tandis que les éléments en ligne comme le gras et l'italique disparaissent simplement en laissant leur texte derrière eux.

Ce que vous conservez et ce que vous perdez

Par nature, le texte brut ne peut pas contenir de mise en forme visuelle. Le gras, l'italique, les tailles de police, les couleurs et la mise en page CSS sont tous écartés, car il n'y a nulle part où les loger dans un fichier texte. Les tableaux s'effondrent en lignes successives, et la structure précise des colonnes n'est pas préservée. C'est attendu : vous échangez la présentation contre la portabilité.

Les liens et les images forment le juste milieu intéressant. Activez Préserver les liens pour afficher une ancre au format [texte](url) afin que la destination survive sous une forme lisible, et activez Inclure le texte alternatif des images pour conserver l'attribut alt descriptif au lieu de retirer l'image en silence. Si vous préférez une lecture plus nette, laissez ces options désactivées, ou utilisez Ignorer les images et Ignorer les balises HR pour supprimer entièrement les substituts et les filets horizontaux.

Un exemple concret

Supposons que vous colliez ce fragment : un paragraphe disant « Visit our shop » où shop est un lien vers example.com, suivi d'un second paragraphe contenant l'entité Tom & Jerry. Avec Préserver les liens et Décoder les entités HTML activés, le résultat devient deux lignes nettes : Visit our [shop](https://example.com) sur la première ligne et Tom & Jerry sur la seconde. Les balises p sont devenues des sauts de ligne, l'ancre a été réécrite sous forme de crochets et de parenthèses, et & a été décodé en une esperluette littérale.

Pourquoi les entités HTML comptent

Le HTML échappe certains caractères pour que le navigateur ne les prenne pas pour du balisage. Une esperluette s'écrit &amp;, un signe inférieur &lt;, une espace insécable &nbsp;, et les guillemets typographiques apparaissent souvent comme &#8220; et &#8221;. Si vous sautez le décodage, ces séquences brutes s'infiltrent dans votre texte et semblent cassées. Activez Décoder les entités HTML et elles sont reconverties en vrais caractères qu'elles représentent : &, <, une espace normale et les guillemets corrects. Ce seul réglage est le correctif le plus courant pour un résultat qui paraît presque bon mais qui est parsemé de codes d'esperluette parasites.

Contrôler les sauts de ligne et le retour à la ligne

Deux réglages façonnent la disposition du résultat. Préserver les sauts de ligne conserve les sauts impliqués par les éléments de bloc afin que les paragraphes restent séparés, tandis que Préserver les espaces conserve les suites d'espaces et l'indentation que le HTML condenserait normalement, ce qui est utile quand l'espacement d'origine porte du sens, comme dans du code ou des dispositions ASCII.

Le Retour à la ligne fixe un nombre maximal de caractères par ligne et réagence les longs paragraphes pour qu'ils s'y conforment, ce qui est pratique pour coller dans un terminal, un e-mail à largeur fixe ou un README en texte brut. Réglez-le sur 0 pour désactiver entièrement le retour à la ligne afin que chaque paragraphe reste sur une seule longue ligne, prêt pour une destination qui gère elle-même le retour à la ligne.

Cas d'usage concrets

Recourez à cet outil chaque fois qu'un contenu enrichi doit devenir du texte neutre. Les cas courants incluent l'extraction d'un texte propre depuis une page web publiée en vue d'une réutilisation ou d'une citation, l'assainissement d'un export de CMS ou de newsletter avant de l'importer ailleurs, l'extraction du corps lisible d'un e-mail HTML, la préparation d'un contenu pour un comptage de mots ou un contrôle de lisibilité, et l'alimentation d'une prose propre vers un outil de traduction ou un script qui attend une entrée brute plutôt que des balises.

C'est aussi une vérification rapide pendant le développement. Convertir un gabarit rendu en texte révèle l'ordre de lecture réel et expose le contenu visuellement masqué par le CSS mais toujours présent dans le balisage, ce qui peut compter pour les audits d'accessibilité et de SEO.

Erreurs courantes à éviter

Le plus grand piège est d'attendre que la mise en page survive. Si vous avez besoin de conserver la structure d'un tableau, la hiérarchie des puces ou la mise en forme, le texte brut est la mauvaise cible. Convertissez plutôt en Markdown ou gardez le HTML. Un deuxième écueil est d'oublier de décoder les entités puis de se demander pourquoi le résultat contient &amp; partout. Enfin, rappelez-vous que la conversion ne reflète que ce qui se trouve dans le balisage que vous collez : si une page construit son contenu avec du JavaScript après le chargement, le HTML brut que vous copiez depuis Afficher la source peut être presque vide, copiez donc plutôt le DOM rendu.