HTML → TXT
小说从超文本（.html、.htm、.xhtml、.xml、.mhtml）转成纯文本（.txt）是很常见的一步 —— TXT 文件是纯文本文件，能在更多软件中打开，体积也更小。不过超文本转纯文本会有额外的问题需要考虑：会丢失全部插图、封面与图表；书名、作者、语言等元数据。下面详细说明超文本如何转成纯文本以及注意点，文末附带超文本转纯文本的转换工具，可以直接在浏览器里上传文件转换。
HTML 是什么
HTML / XHTML 是网页的结构语言，也正是 EPUB 内部真正用来装正文的格式 —— 所以 HTML 与 EPUB 之间的转换，本质上只是换一层外壳和资源打包方式。.mhtml 更进一步，把网页连同图片和样式一起打包成单个文件，适合保存随时可能失效的在线页面。HTML 的优点是通用、任何浏览器都能打开；缺点是样式和图片常以外链形式存在，要「一个文件带走」必须先把资源内联进去。 查看 HTML 格式详情
| 扩展名 | .html.htm.xhtml.xml.mhtml |
|---|---|
| 典型用途 | 网页正文抓取、EPUB 内部正文、以及作为其他格式的通用中间表示。 |
TXT 是什么
TXT 是纯文本，文件里只有字符和换行，没有任何排版信息，因此体积最小、兼容性最好 —— 从最简陋的功能机到任何操作系统，几乎没有打不开它的软件。中文网络小说绝大多数以它流传，它也是复制、搜索、批量处理和二次转换最方便的格式。代价是它不保存图片、颜色、表格和目录，书名作者这些信息也无处安放，所以它更像「一份干净的正文」，而不是一本完整的书。 查看 TXT 格式详情
| 扩展名 | .txt |
|---|---|
| 典型用途 | 中文网络小说、日志与任何需要最大兼容性的纯文字内容。 |
如何把 HTML 转成 TXT
HTML 的结构全在标签里，但真实网页混杂导航、广告、页脚等噪声，直接整页转换会把它们一起带进去。建议先用可读性算法（如 Readability）抽出正文容器，并注意 <img> 多为外链 —— 转成单文件格式前必须把图片下载并内嵌。
由于 TXT 只能保存字符，所以所有字体、字号、颜色、表格、脚注、超链接都会消失，章节标题降级为普通文字行。转换时还要选定编码（中文建议 UTF-8，老设备可能要求 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 就要盯住编码：中文 TXT 常见 UTF-8、GBK、GB18030、BIG5，还有带 BOM 与不带 BOM 的区别。写入时选 UTF-8（不带 BOM）兼容性最好；写入 GBK 是为了兼容老设备。编码选错的表现是整篇乱码，而不是报错。
HTML 转 TXT 工具
HTML → TXT
转换完全在你的浏览器里完成，文件不会上传到任何服务器。
全平台同步阅读进度的小说阅读器
阅竹 Tide Reader 支持 TXT 与 EPUB，导入即自动识别章节、按你的习惯排版，阅读进度在 Windows、macOS、iOS、Android 之间同步。转换出来的文件直接拖进来就能读。
免费下载阅竹支持 TXT / EPUB；本地阅读优先，可选云同步与 WebDAV。