Pega código HTML o una página copiada de la web y obtén solo el texto, con sus saltos de línea. También convierte a Markdown, pasa las tablas a Excel y conserva solo las etiquetas que elijas.
Esta herramienta funciona por completo en tu navegador. Lo que introduces nunca se envía a ningún sitio.Lo que introduces nunca se envía a ningún sitio.
DetallesOpciones de extracción
Formato de salida
Quita todas las etiquetas y deja solo el texto, sin formato.
Separador de las tablas
Qué hace esta herramienta con tu código HTML
Pega el código y la herramienta quita las etiquetas y deja solo el texto legible. Elimina etiquetas como <div> o <p> y, si quieres, también el contenido de <script> y <style>. Puedes mantener los saltos de línea, los párrafos, la dirección de los enlaces y el texto alternativo de las imágenes, pasar las tablas a un formato que se pega en Excel, convertir todo a Markdown o conservar solo las etiquetas que indiques, por ejemplo, p y br. Las entidades como á o ñ se convierten en sus caracteres.
Cuándo te sirve
Pegar texto de una web sin formato
Si al pegar texto copiado de una página en Word o en un correo se rompe el formato, pégalo aquí: se incorpora como HTML y se convierte en texto sin formato, con sus párrafos.
Pasar una tabla HTML a Excel o a Sheets
Convierte el elemento table en texto con tabuladores. Al pegarlo en la hoja de cálculo, cada celda queda en su columna.
Preparar contenido para una IA o para otro sitio
En Markdown se mantiene la estructura (títulos, listas, enlaces) sin las etiquetas sobrantes. Útil para un mensaje a una IA o para migrar un artículo a otro gestor de contenidos.
Redactar la versión de texto de un correo
Con «Mantener la dirección de los enlaces», los enlaces del boletín quedan como «texto (URL)» y no hace falta copiar las direcciones a mano.
Cómo extraer el texto en 4 pasos
- Pega el código HTML en «Código HTML», o elige o suelta un archivo .html. También puedes pegar directamente contenido copiado de una web.
- Elige el formato de salida: Texto, Markdown o Conservar etiquetas.
- Ajusta las opciones: saltos de línea, enlaces, imágenes, separador de las tablas...
- Revisa el resultado y pulsa «Copiar resultado» o «Descargar».
Nota: El resultado se actualiza al cambiar cualquier opción. El HTML se analiza con el analizador del navegador, por lo que corrige muchas etiquetas sin cerrar.
Detalles del procesado
- Entidades: &, , <, á, ñ, ¿ y similares se convierten en su carácter.
- Se ignoran siempre los comentarios y los elementos de cabecera (head, title, meta, link, base) y los campos de formulario (input, textarea, select): su valor no aparece en el resultado.
- Script y style: se recomienda activar «Quitar script y style con su contenido» si pegas el código de una página completa. Si lo desactivas, el código de script y style aparece como texto.
- Saltos de línea: con «Mantener los saltos de línea» se añaden saltos en p, div, li, br, títulos y otros bloques. Con «Línea en blanco entre párrafos» se deja una línea vacía entre ellos.
- El resultado de «Conservar etiquetas» es código HTML: compruébalo siempre en el editor o en el sitio de destino. Las tildes y la ñ se mantienen como caracteres.
Qué ocurre con cada elemento HTML
Cómo se convierte cada elemento en los formatos Texto y Markdown.
| Elemento | Resultado | Para qué sirve |
|---|---|---|
| Etiquetas habituales (<p>, <div>…) | Se quitan las etiquetas y se mantiene el texto; los bloques generan saltos de línea | Extraer el cuerpo de un artículo |
| Enlaces (<a href>) | Solo el texto del enlace; con la opción, «texto (URL)» (en Markdown, [texto](URL)) | Versión de texto de un correo y listas de enlaces |
| Entidades (á, ñ, , &) | Se convierten en el carácter que representan | Obtener un texto sin códigos |
| Saltos y líneas (<br>, <hr>) | <br> pasa a ser un salto de línea; <hr> también (en Markdown, ---) | Mantener la estructura del texto |
| Script y style (<script>, <style>) | Con la opción activada, se quitan junto con su contenido | Extraer solo el texto de la página |
| Imágenes (<img alt>) | Con la opción, [Imagen: texto alternativo] (en Markdown, ) | Listar las descripciones de las imágenes |
| Listas (<ul>, <ol>, <li>) | Un elemento por línea con «•» o «1.» (las listas anidadas llevan sangría) | Reutilizar listas |
| Tablas (<table>, <tr>, <td>) | Tabuladores, espacios o tabla de Markdown | Pegar en Excel o en Google Sheets |
| Texto preformateado (<pre>) | Conserva los espacios y los saltos (en Markdown, un bloque de código) | Extraer ejemplos de código |
| Comentarios (<!-- -->) y cabecera | Se ignoran por completo | Dejar el código limpio |
No es una simple búsqueda y sustitución
La herramienta analiza el documento con el analizador HTML del navegador y recorre su estructura, en lugar de borrar todo lo que parezca una etiqueta. Por eso entiende qué es un párrafo, una lista o una tabla.
Se procesa en tu navegador
El código no se envía a ningún servidor, así que puedes usar la herramienta con borradores o con contenido interno.
Qué formato elegir según el destino del texto
La mejor configuración depende de dónde vas a pegar el resultado.
Word, correo o Bloc de notas: «Texto» con saltos de línea
Para pegar sin formato, elige Texto y deja activados «Mantener los saltos de línea» y «Línea en blanco entre párrafos».
También se quitan los espacios sobrantes al inicio y al final de cada línea, así que no tendrás que arreglar el texto después de pegarlo.
Excel o Google Sheets: separador de tabuladores
Para pasar una tabla HTML a una hoja de cálculo, elige el separador Tabuladores (para Excel).
Los saltos de línea dentro de una celda se convierten en espacios, de modo que cada fila se mantiene como una sola línea al pegarla. Los decimales con coma, como 88,00, se copian tal cual.
IA o gestor de contenidos: «Markdown» o «Conservar etiquetas»
Si quieres mantener títulos, enlaces y listas, elige Markdown. Si necesitas HTML, elige Conservar etiquetas con las que te interesen.
Quitar los atributos class y style evita que el contenido arrastre los estilos del sitio de origen.
Archivos antiguos con tildes rotas
Los archivos HTML antiguos en español a menudo están guardados en ISO-8859-1 (Latin-1). Si los lees como UTF-8, las tildes y la ñ salen como «�».
Al elegir un archivo, la herramienta detecta la codificación y te avisa de la que ha usado.
Fallos habituales al limpiar HTML
El código de script y style aparece como texto
Si pegas el código fuente completo de una página (el que muestra Ctrl+U) y no quitas el contenido de script y style, aparecen funciones de JavaScript o reglas de CSS mezcladas con el texto.
💡 Ver la solución▼
Todo el texto queda en una sola línea
Si solo se borran las etiquetas con una sustitución de texto, se pierden los saltos entre párrafos, listas y filas, y el resultado es un bloque difícil de leer.
💡 Ver la solución▼
Al pegar una tabla en Excel, todo queda en una columna
Si solo se quitan las etiquetas de una tabla, el texto de las celdas queda unido («ProductoPrecioZapatillas A88,00») y no se reparte en columnas.
💡 Ver la solución▼
Los enlaces pierden su dirección
Al quitar las etiquetas, de un «Más información» solo queda el texto del enlace y se pierde la dirección a la que llevaba.
💡 Ver la solución▼
Preguntas frecuentes sobre cómo quitar etiquetas HTML
Q.¿Se envía el código HTML que pego a algún servidor?
A. No. El HTML se analiza y se convierte en tu navegador, y ni el código que pegas, ni el archivo que eliges, ni el resultado se envían o se guardan en ningún servidor. Cuando cierras o recargas la página, el contenido desaparece.
Q.¿Puedo conservar la dirección de los enlaces al quitar las etiquetas?
A. Sí. Con «Mantener la dirección de los enlaces», cada enlace se escribe como «texto (URL)». En formato Markdown se escribe como [texto](URL). No se añade la dirección si el enlace empieza por «#» o por «javascript:», ni cuando el texto del enlace ya es igual que la URL.
Q.¿Cómo paso una tabla HTML a Excel o a Google Sheets?
A. En formato «Texto», elige el separador «Tabuladores (para Excel)»: las celdas se separan con un tabulador y las filas con un salto de línea. Copia el resultado y pégalo en la hoja de cálculo: cada celda quedará en su columna. Los saltos de línea dentro de una celda se convierten en espacios, para que cada fila siga siendo una sola línea.
Q.¿Puedo conservar solo algunas etiquetas y quitar las demás?
A. Sí. Elige «Conservar etiquetas» y escribe las que quieras mantener (por ejemplo, p, br, a, strong), separadas por comas o espacios. También puedes pulsar las etiquetas que aparecen en tu HTML para conservarlas o quitarlas. Las demás se eliminan, pero su texto se mantiene. Además, puedes quitar atributos como class o style: se conservan href, src, alt, colspan y rowspan. El resultado es código HTML.
Q.¿Puedo convertir HTML a Markdown para pasarlo a una IA?
A. Sí. En formato «Markdown», los títulos se convierten en #, las listas en guiones, el énfasis en asteriscos, los enlaces en [texto](URL) y las tablas en tablas de Markdown. Al quitar el resto de etiquetas se reduce la cantidad de texto que se envía, y se mantiene la estructura del contenido.
Q.He copiado una página web y, al pegarla en Word, conserva el formato. ¿Cómo la pego sin formato?
A. Deja activado «Al copiar de una web, pegar con su formato (HTML)» y pega el contenido copiado en el cuadro: se incorpora como HTML y se convierte en texto sin formato, con los saltos de línea y los párrafos. Después, usa «Copiar resultado» y pégalo en Word, en un correo o en el Bloc de notas.
Q.¿Funciona con HTML mal formado, sin etiquetas de cierre?
A. Sí. La herramienta no usa sustituciones de texto: analiza el código con el analizador HTML del navegador (DOMParser), que corrige muchos errores de estructura, como etiquetas sin cerrar, y después extrae el texto. Si el código está muy dañado, el resultado puede perder partes, así que conviene revisarlo.
Q.¿Convierte entidades como á, ñ, ¿ o ?
A. Sí. Las entidades HTML se convierten en el carácter que representan: á en «á», ñ en «ñ», ¿ en «¿», € en «€» y & en «&». El espacio de no separación ( ) se sustituye por un espacio normal cuando «Unificar espacios» está activado.
Q.¿Y si mi archivo HTML antiguo se ve con «�» en lugar de tildes?
A. Los sitios antiguos en español suelen estar guardados en ISO-8859-1 (Latin-1) en lugar de UTF-8. Al elegir un archivo, la herramienta prueba primero UTF-8; si no es válido, usa la codificación que declare el propio archivo (por ejemplo, <meta charset>) o, si no hay ninguna, Windows-1252, y te avisa debajo del cuadro. Si pegas el código en lugar de elegir un archivo, el navegador ya lo ha leído en su codificación.
Tus comentarios
mejoran esta herramienta.
Cuéntanos qué funciones te gustaría tener, qué hay que corregir o qué herramienta nueva quieres ver. Un ingeniero lee cada mensaje y lo usa para orientar el desarrollo.