HTML → TXT
小說從超文本(.html、.htm、.xhtml、.xml、.mhtml)轉成純文本(.txt)是很常見的一步 —— TXT 檔案是純文本檔案,能在更多軟體中開啟,體積也更小。不過超文本轉純文本會有額外的問題需要考慮:會丟失全部插圖、封面與圖表;書名、作者、語言等後設資料。下面詳細說明超文本如何轉成純文本以及注意點,文末附帶超文本轉純文本的轉換工具,可以直接在瀏覽器裡上傳檔案轉換。
What is HTML?
HTML / XHTML 是網頁的結構語言,也正是 EPUB 內部真正用來裝正文的格式 —— 所以 HTML 與 EPUB 之間的轉換,本質上只是換一層外殼和資源打包方式。.mhtml 更進一步,把網頁連同圖片和樣式一起打包成單個檔案,適合儲存隨時可能失效的線上頁面。HTML 的優點是通用、任何瀏覽器都能開啟;缺點是樣式和圖片常以外鍊形式存在,要「一個檔案帶走」必須先把資源內聯進去。 檢視 HTML 格式詳情
| Extensions | .html.htm.xhtml.xml.mhtml |
|---|---|
| Typical use | 網頁正文抓取、EPUB 內部正文、以及作為其他格式的通用中間表示。 |
What is TXT?
TXT 是純文本,檔案裡只有字元和換行,沒有任何排版資訊,因此體積最小、相容性最好 —— 從最簡陋的功能機到任何作業系統,幾乎沒有打不開它的軟體。中文網路小說絕大多數以它流傳,它也是複製、搜尋、批次處理和二次轉換最方便的格式。代價是它不儲存圖片、顏色、表格和目錄,書名作者這些資訊也無處安放,所以它更像「一份乾淨的正文」,而不是一本完整的書。 檢視 TXT 格式詳情
| Extensions | .txt |
|---|---|
| Typical use | 中文網路小說、日誌與任何需要最大相容性的純文字內容。 |
如何把 HTML 轉成 TXT
HTML 的結構全在標籤裡,但真實網頁混雜導航、廣告、頁尾等噪聲,直接整頁轉換會把它們一起帶進去。建議先用可讀性演算法(如 Readability)抽出正文容器,並注意 <img> 多為外鏈 —— 轉成單檔案格式前必須把圖片下載並內嵌。
由於 TXT 只能儲存字元,所以所有字型、字號、顏色、表格、腳註、超連結都會消失,章節標題降級為普通文字行。轉換時還要選定編碼(中文建議 UTF-8,老裝置可能要求 GBK)。
HTML里的插图、封面、图表在内都是图片,而TXT格式不存图片,它们也会全部丢失,例如一些漫画HTML文件,由于内容都在图片中,转换成TXT文件会丢失大量内容。
HTML源文件里的书名、作者、出版社、语言、目录、封面等元数据在目标格式中无处存放,转成TXT格式也会全部丢失。
涉及 TXT 就要盯住編碼:中文 TXT 常見 UTF-8、GBK、GB18030、BIG5,還有帶 BOM 與不帶 BOM 的區別。寫入時選 UTF-8(不帶 BOM)相容性最好;寫入 GBK 是為了相容老裝置。編碼選錯的表現是整篇亂碼,而不是報錯。
HTML 轉 TXT 工具
HTML → TXT
轉換完全在你的瀏覽器裡完成,檔案不會上傳到任何伺服器。
全平臺同步閱讀進度的小說閱讀器
閱竹 Tide Reader 支援 TXT 與 EPUB,匯入即自動識別章節、按你的習慣排版,閱讀進度在 Windows、macOS、iOS、Android 之間同步。轉換出來的檔案直接拖進來就能讀。
免費下載閱竹支援 TXT / EPUB;本地閱讀優先,可選雲同步與 WebDAV。
