Aller au contenu principal
Conversion de format
Conversion de format

HTML → TXT

Passer de Hypertexte (.html, .htm, .xhtml, .xml, .mhtml) à Texte brut (.txt) pour un roman est une étape très courante — Un fichier TXT est un fichier de texte brut : il s'ouvre dans davantage de logiciels et pèse moins lourd.. Toutefois, la conversion de HyperText vers Plain text soulève des problèmes supplémentaires à prendre en compte : on perd toutes les illustrations, couvertures et figures; métadonnées : titre, auteur, langue, etc.. Nous détaillons ci-dessous comment convertir HyperText en Plain text et les points à surveiller ; en fin d'article, vous trouverez un outil de conversion HyperText vers Plain text qui permet de téléverser un fichier et de le convertir directement dans le navigateur.

Rédaction YueZhu

What is HTML?

HTML / XHTML est le langage de structure des pages web, et c'est précisément le format qui contient le texte à l'intérieur d'un EPUB — convertir entre HTML et EPUB revient donc pour l'essentiel à changer d'enveloppe et de mode d'empaquetage des ressources. Le .mhtml va plus loin : il regroupe la page avec ses images et ses styles en un seul fichier, ce qui convient pour archiver des pages en ligne susceptibles de disparaître. Le HTML a pour atout d'être universel : n'importe quel navigateur peut l'ouvrir. Son inconvénient : styles et images sont souvent des liens externes, et pour « tout emporter dans un seul fichier », il faut d'abord les incorporer. Voir les détails du format HTML

Extensions.html.htm.xhtml.xml.mhtml
Typical useL'extraction du corps de texte des pages web, le contenu interne des EPUB, et une représentation intermédiaire universelle vers d'autres formats.

What is TXT?

Le TXT est du texte brut : le fichier ne contient que des caractères et des sauts de ligne, sans aucune information de mise en page, d'où un volume minimal et une compatibilité maximale — du téléphone basique le plus rudimentaire à n'importe quel système d'exploitation, presque aucun logiciel ne refuse de l'ouvrir. La grande majorité des romans web chinois circulent ainsi, et c'est aussi le format le plus commode pour copier, rechercher, traiter en lot et reconvertir. En contrepartie, il ne conserve ni images, ni couleurs, ni tableaux, ni table des matières, et le titre ou l'auteur n'ont nulle part où être stockés : c'est donc plutôt « un texte propre » qu'un livre complet. Voir les détails du format TXT

Extensions.txt
Typical useRomans web chinois, journaux et tout contenu en texte brut nécessitant une compatibilité maximale.

Comment convertir HTML en TXT

Dans le HTML, toute la structure tient dans les balises, mais une vraie page web mêle navigation, publicités, pied de page et autres parasites : convertir la page entière les emporterait avec elle. Mieux vaut donc extraire d'abord le conteneur de contenu avec un algorithme de lisibilité (Readability, par exemple), et garder à l'esprit que les <img> pointent souvent vers l'extérieur — avant de convertir vers un format monofichier, il faut télécharger et intégrer les images.

Comme le TXT ne peut conserver que des caractères, toutes les polices, tailles, couleurs, tableaux, notes de bas de page et liens hypertextes disparaissent, et les titres de chapitres deviennent de simples lignes de texte. Il faut aussi choisir l'encodage lors de la conversion (UTF-8 recommandé pour le chinois ; les appareils anciens peuvent exiger GBK).

Illustrations, covers and diagrams inside HTML files are images, and the TXT format stores none, so they are all lost. A comic HTML, for example, keeps everything in pictures — converting it to TXT throws away most of the content.

Metadata in the HTML source — title, author, publisher, language, table of contents, cover — has nowhere to live in the target, so converting to TXT loses all of it.

Avec TXT, il faut surveiller l'encoding : les TXT en chinois utilisent souvent UTF-8, GBK, GB18030 ou BIG5, avec ou sans BOM. À l'écriture, choisissez UTF-8 (sans BOM) pour une compatibilité maximale ; écrire en GBK sert à rester compatible avec les appareils anciens. Un mauvais encoding se traduit par un texte entièrement illisible, et non par un message d'erreur.

Outil de conversion HTML vers TXT

HTML → TXT

La conversion s'effectue entièrement dans votre navigateur ; aucun fichier n'est envoyé à un quelconque serveur.

Un lecteur de romans qui synchronise votre progression de lecture sur toutes les plateformes

YueZhu Tide Reader prend en charge les formats TXT et EPUB : dès l'import, les chapitres sont détectés automatiquement et le texte est mis en page selon vos habitudes, tandis que votre progression de lecture se synchronise entre Windows, macOS, iOS et Android. Les fichiers convertis se lisent directement par glisser-déposer.

Téléchargez YueZhu gratuitement

Compatible TXT / EPUB ; la lecture locale est privilégiée, avec synchronisation cloud et WebDAV en option.