HTML → TXT
小説をハイパーテキスト(.html、.htm、.xhtml、.xml、.mhtml)からプレーンテキスト(.txt)に変換するのはよくある手順です —— TXT ファイルはプレーンテキストなので、より多くのソフトで開け、サイズも小さくなります。ただし HyperText から Plain text への変換では、考慮すべき追加のポイントがあります。すべての挿絵・表紙・図表;書名、著者、言語などのメタデータが失われてしまいます。以下では HyperText を Plain text に変換する方法と注意点を詳しく説明します。文末には HyperText から Plain text への変換ツールも用意しており、ブラウザ上でファイルをアップロードしてそのまま変換できます。
What is HTML?
HTML / XHTML はウェブページの構造言語であり、EPUB が内部で実際に本文を入れるのに使っているフォーマットでもあります —— つまり HTML と EPUB の変換は、本質的には外殻とリソースの梱包方法を替えるだけです。.mhtml はさらに進んで、ウェブページを画像やスタイルごと 1 つのファイルにまとめるもので、いつ失効するかわからないオンラインページの保存に向いています。HTML の利点は汎用性で、どのブラウザでも開けます。欠点はスタイルや画像が外部リンクとして存在することが多く、「1 ファイルで持ち歩く」には先にリソースをインライン化しなければならない点です。 「HTML」形式の詳細を見る
| Extensions | .html.htm.xhtml.xml.mhtml |
|---|---|
| Typical use | Web ページ本文の抽出、EPUB 内部の本文、そして他の形式への中間表現として幅広く使われます。 |
What is TXT?
TXT はプレーンテキストで、ファイル内には文字と改行しかなく組版情報が一切ないため、サイズが最小で互換性も最高です —— 最も素朴なフィーチャーフォンからあらゆる OS まで、開けないソフトはほとんどありません。中国語のオンライン小説のほとんどがこの形式で流通しており、コピー、検索、一括処理、再変換にもっとも便利な形式でもあります。代わりに画像、色、表、目次は保存できず、書名や著者といった情報の置き場所もないため、完成した 1 冊の本というより「きれいな本文のデータ」に近いものです。 「TXT」形式の詳細を見る
| Extensions | .txt |
|---|---|
| Typical use | 中国語のウェブ小説、日記、そして最大限の互換性が求められるあらゆるプレーンテキスト。 |
HTML を TXT に変換する方法
HTML の構造はすべてタグの中にありますが、実際のウェブページにはナビゲーション、広告、フッターなどのノイズが混ざっており、ページ全体をそのまま変換するとそれらも一緒に取り込んでしまいます。まず Readability などの可読性アルゴリズムで本文コンテナを抽出し、<img> の多くが外部リンクである点にも注意してください —— 単一ファイル形式に変換する前に、画像をダウンロードして埋め込む必要があります。
TXT は文字しか保存できないため、フォント、文字サイズ、色、表、脚注、ハイパーリンクはすべて失われ、章見出しもただの文字行に格下げされる。変換時には文字コードも選ぶ必要がある(中国語なら UTF-8 を推奨、古い端末では GBK が求められることもある)。
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.
TXT を扱うなら文字コードに注意してください。中国語の TXT では UTF-8、GBK、GB18030、BIG5 が一般的で、BOM あり・なしの違いもあります。書き出すときは UTF-8(BOM なし)が最も互換性が高く、GBK で書き出すのは古い端末との互換性のためです。文字コードを間違えると、エラーではなく全体が文字化けします。
HTML から TXT への変換ツール
HTML → TXT
変換はすべてお使いのブラウザ内で完結し、ファイルがサーバーにアップロードされることはありません。
すべてのプラットフォームで読書位置を同期する小説リーダー
YueZhu Tide Reader は TXT と EPUB に対応。読み込むだけで章を自動で認識し、あなたの好みに合わせて組版します。読書の進捗は Windows、macOS、iOS、Android の間で同期されます。変換したファイルはドラッグ&ドロップするだけで読めます。
YueZhu(閱竹)を無料ダウンロードTXT / EPUB に対応。まずはローカルでの閲覧を優先し、クラウド同期と WebDAV も任意で利用できます。
