HTML → TXT
Converter um romance de Hipertexto (.html, .htm, .xhtml, .xml, .mhtml) para Texto simples (.txt) é um passo muito comum — Arquivos TXT são arquivos de texto puro: abrem em mais programas e ocupam menos espaço.. No entanto, converter HyperText para Plain text traz problemas extras que precisam ser considerados: há perda de todas as ilustrações, capas e gráficos; metadados como título, autor e idioma. A seguir, explicamos em detalhes como converter HyperText para Plain text e os pontos de atenção; no final do texto há uma ferramenta para converter HyperText em Plain text, com a qual você pode enviar o arquivo e convertê-lo direto no navegador.
What is HTML?
HTML / XHTML é a linguagem estrutural das páginas web e é justamente o formato que o EPUB usa internamente para carregar o texto — então converter entre HTML e EPUB, no fundo, é só trocar a casca e a forma de empacotar os recursos. O .mhtml vai além e empacota a página junto com imagens e estilos em um único arquivo, ideal para guardar páginas online que podem sair do ar a qualquer momento. A vantagem do HTML é ser universal, aberto em qualquer navegador; a desvantagem é que estilos e imagens muitas vezes existem como links externos, e para "levar tudo em um só arquivo" é preciso primeiro embutir os recursos. Ver detalhes do formato HTML
| Extensions | .html.htm.xhtml.xml.mhtml |
|---|---|
| Typical use | Extração do corpo de páginas web, do conteúdo interno de arquivos EPUB e uso como representação intermediária genérica para outros formatos. |
What is TXT?
O TXT é texto puro: o arquivo contém apenas caracteres e quebras de linha, sem nenhuma informação de composição; por isso é o menor em tamanho e tem a melhor compatibilidade — de celulares mais básicos a qualquer sistema operacional, quase não existe software que não o abra. A grande maioria dos romances web chineses circula em TXT, e ele também é o formato mais prático para copiar, pesquisar, processar em lote e converter de novo. O preço é que ele não guarda imagens, cores, tabelas nem sumário, e informações como título e autor não têm onde ficar; assim, ele é mais "um texto limpo" do que um livro completo. Ver detalhes do formato TXT
| Extensions | .txt |
|---|---|
| Typical use | Romances online em chinês, diários e qualquer conteúdo em texto puro que exija o máximo de compatibilidade. |
Como converter HTML em TXT
A estrutura do HTML está toda nas tags, mas páginas reais misturam ruído como navegação, anúncios e rodapé, e converter a página inteira de uma vez acaba levando tudo isso junto. Recomenda-se usar primeiro um algoritmo de legibilidade (como o Readability) para extrair o contêiner do texto e ficar atento ao fato de que os <img> costumam ser links externos — antes de converter para um formato de arquivo único, é preciso baixar e embutir as imagens.
Como o TXT só guarda caracteres, todas as fontes, tamanhos, cores, tabelas, notas de rodapé e hiperlinks desaparecem, e os títulos de capítulo viram simples linhas de texto. Na conversão também é preciso escolher a codificação (para chinês, recomenda-se UTF-8; dispositivos antigos podem exigir 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.
Quando o assunto é TXT, fique atento à codificação: em TXT em chinês são comuns UTF-8, GBK, GB18030 e BIG5, além da diferença entre com e sem BOM. Ao gravar, escolher UTF-8 (sem BOM) oferece a melhor compatibilidade; gravar em GBK serve para compatibilidade com dispositivos antigos. Escolher a codificação errada resulta em texto todo ilegível, e não em uma mensagem de erro.
Ferramenta para converter HTML em TXT
HTML → TXT
A conversão é feita totalmente no seu navegador; os arquivos não são enviados a nenhum servidor.
Leitor de romances que sincroniza seu progresso de leitura em todas as plataformas
O YueZhu Tide Reader é compatível com TXT e EPUB: ao importar, ele reconhece os capítulos automaticamente e formata o texto do seu jeito, e o progresso de leitura sincroniza entre Windows, macOS, iOS e Android. Os arquivos convertidos é só arrastar para dentro e começar a ler.
Baixe o YueZhu de graçaCompatível com TXT / EPUB; a leitura local tem prioridade, com sincronização na nuvem e WebDAV opcionais.
