🧹 Limpiador HTML
Elimina las etiquetas HTML y extrae el texto limpio
⚙️ Opciones avanzadas
📚 Ejemplos de uso
Antes de limpiar:
<div class="article">
<h1>Título</h1>
<p>Un <strong>texto</strong></p>
</div>
Después de limpiar:
Un texto
❓ Preguntas frecuentes
📖 Guía completa del limpiador HTML
¿Por qué eliminar las etiquetas HTML?
El HTML (HyperText Markup Language) utiliza etiquetas para estructurar y dar formato al contenido de las páginas web. Aunque estas etiquetas son imprescindibles para mostrar la web, estorban cuando solo quieres extraer el texto. Un limpiador HTML te permite recuperar rápidamente el contenido textual sin tener que borrar a mano cada etiqueta.
Casos de uso profesionales
- Análisis de contenido web: extrae el texto de páginas web para análisis SEO, recuento de palabras o detección de contenido duplicado
- Copiar y pegar desde una web: elimina el formato HTML no deseado cuando copias texto de una página
- Migración de contenido: pasa contenido de un CMS a otro extrayendo solo el texto
- Preparación de newsletters: convierte contenido HTML en texto plano para las versiones de texto de los emails
- Documentación técnica: extrae el contenido textual de archivos HTML para crear documentos sencillos
- Tratamiento de datos: limpia los datos extraídos por scraping antes de analizarlos o guardarlos en una base de datos
Las opciones de limpieza, explicadas
Conservar los espacios múltiples: si está activada, se mantienen los espacios consecutivos. Si está desactivada, se reducen a un solo espacio y el texto queda más compacto.
Conservar los saltos de línea: mantiene los saltos de línea del código HTML original. Útil para conservar la estructura del texto con párrafos separados.
Decodificar las entidades HTML: convierte los códigos HTML especiales (á, ñ, ) en caracteres normales. Imprescindible para que un texto en español se lea perfectamente.
Eliminar scripts y estilos: borra por completo el contenido de las etiquetas <script> y <style>, que no aportan ningún texto.
Diferencia entre "Limpiar" y "Limpiar + Formatear"
El modo "Limpiar" simplemente elimina todas las etiquetas HTML y conserva la estructura existente. El modo "Limpiar + Formatear" va más allá: añade saltos de línea tras las etiquetas de párrafo (<p>, <div>, <br>), crea listas con viñetas para los elementos de lista (<li>) y mejora la legibilidad general del texto. Usa este último para obtener un texto listo para leer o publicar.
Etiquetas HTML habituales y cómo se tratan
Nuestra herramienta gestiona de forma inteligente todas las etiquetas HTML: las de estructura (<html>, <body>, <div>, <section>), las de contenido (<p>, <span>, <h1> a <h6>), las de formato (<strong>, <em>, <b>, <i>), las listas (<ul>, <ol>, <li>), las tablas (<table>, <tr>, <td>), los enlaces (<a>) y los elementos multimedia (<img>, <video>). Los atributos de las etiquetas (class, id, style) también se eliminan automáticamente.
Consejos de uso
Para obtener los mejores resultados, prueba las distintas opciones según lo que necesites. Si el texto parece mal formateado, desactiva "Conservar los espacios múltiples" para un resultado más compacto. Para extraer el contenido de newsletters o artículos, activa todas las opciones y usa "Limpiar + Formatear". Si trabajas con código fuente técnico, conserva los espacios y saltos de línea originales. No dudes en usar el ejemplo incluido para entender cómo funciona cada opción.