HTMLからタグを取り除き、読む文字だけを残します
HTMLタグ除去ツールは、<p>や<span>などのタグ・属性・スクリプト・コメントを取り除き、人が読む文字だけを残すツールです。ブラウザがHTMLを読むときと同じ規則でソースを解釈するため、段落やリストは行を分けて残し、表のセルの間はタブで区切ります。コードの整形のために入れた改行やインデントは、画面での見え方と同じように空白1つにまとめます。
ソース欄では、残る文字が濃い色で、取り除かれるタグ・属性・コメント・スクリプトが色分けされて表示されます。その下のHTML構成バーには、ソースのバイト数のうち読める文字がどれだけで、残りが何だったのかが出ます。文字だけを取り出すほか、p・aのように選んだタグだけを残したり、span・fontのように選んだタグだけを削除したりしたHTMLで受け取ることもできます。
タグを取り除きたい場面
- メルマガやHTMLメールの内容を文書に移すとき: HTMLメールには、レイアウト用の表やインラインスタイル、受信トレイのプレビュー用に隠した文言が詰まっています。画面に見える文だけを残せば、報告書やメモにそのまま貼り付けられます。
- ネットショップの商品ページHTMLで文言だけ直すとき: ショップの管理画面やモールから書き出した商品説明には、
fontやspanが何重にも入っていることがあります。文字だけを取り出して校正したり、逆にspan・fontだけを外してHTMLを軽くしたりできます。 - ブログやCMSの文字数を数えるとき: WordPressのブロックエディターのコードには
<!-- wp:paragraph -->のようなコメントやタグが混ざるため、コードのまま数えると実際より文字数が多くなります。結果欄の上には、空白を含む文字数と除いた文字数が並んで表示されます。 - 生成AIや翻訳ツールに入れる前に: タグや属性も入力の長さに数えられます。文字だけにすれば、同じ上限でより多くの本文を入れられ、翻訳ツールがタグを壊す心配もありません。
- ExcelやCSVのセルに入ったHTMLを整えるとき: 商品一覧を書き出すと、説明欄にHTMLがそのまま入っていることがよくあります。ブロックタグのない文は元の改行を生かし、表はタブで区切るので、スプレッドシートにそのまま貼り付けられます。
使い方
- HTMLソース欄にコードを貼り付けます。Webページやメールの画面をコピーして貼ると、ブラウザが一緒に渡すHTMLの書式が入りますが、ステータス行の「テキストのみで貼り付け」で元に戻せます。.html・.xml・.svgファイルは「ファイルを開く」かドラッグ&ドロップで入れます。
- 整形後のテキスト欄に結果がすぐ表示されます。押すボタンはありません。
- 改行の形(段落・行ごと・1行)と、リンクのURL・画像の扱いを選びます。メールのように隠した文言があるHTMLでは、「非表示の要素を除く」がオンになっているかを確認します。
- タグを一部だけ残したいときは、「残すもの」で「選んだタグだけ残す」か「選んだタグだけ削除」を選び、この文書のタグ一覧でタグをクリックします。
- 「コピー」を押すか、結果欄でCtrl+Enter(⌘+Enter)を押すとコピーされます。「TXT保存」(タグを残した場合は「HTML保存」)でファイルも受け取れます。
改行は画面に見える形で分けます
HTMLで行を分けるのは、ソースコードの改行ではなくタグです。このツールはブラウザのinnerTextの規則に従い、pの前後には空行を、divなどのブロックやbr、表の行の間には改行を、表のセルの間にはタブを入れます。見出し・リスト・表のまとまりの前後にも空行を置いて、読みやすくしています。下の表の結果は、このツールが実際に出力した値です(⇥はタブ)。
| 内容 | HTML | 結果 |
|---|---|---|
p 段落 | <p>最初の段落</p><p>次の段落</p> | 最初の段落 |
div などのブロック | <div>1行目</div><div>2行目</div> | 1行目 |
br 改行 | <p>1行目<br>2行目</p> | 1行目 |
ul 箇条書き | <ul><li>りんご</li><li>なし</li></ul> | • りんご |
ol 番号付きリスト(start を反映) | <ol start="3"><li>みかん</li><li>ぶどう</li></ol> | 3. みかん |
table 表 | <table><tr><th>品名</th><th>数量</th></tr><tr><td>イヤホン</td><td>1組</td></tr></table> | 品名 ⇥ 数量 |
| コード内の改行・インデント | <p>コードの中の | コードの中の 改行と インデント |
pre 整形済みテキスト | <pre> インデント | インデント |
| ブロックタグのない文 | 名前: <b>山田太郎</b> | 名前: 山田太郎 |
結果の改行の形は3種類から選べます。段落は上の表のように段落の間に空行を1つ入れるので、文章として読むのに向いています。行ごとは空行を入れずにブロックごとに改行するため、リストやスプレッドシートへの貼り付けに合います。1行は改行とタブをすべて空白に変えるので、メタディスクリプションや表の1セルに入れる文を作るときに使います。
正規表現でタグを消すと起こること
タグを消す最も手軽な方法は、正規表現<[^>]+>で「<から次の>まで」を消すことです。短い断片ならうまくいきますが、HTMLの文法とは違う切り方をするため、下のように文章が消えたりゴミが残ったりします。ブラウザは<の後ろが英字・!・/・?でなければ、ただの文字として読みます。引用符の中の>は属性値の一部とみなし、script・styleの中は閉じタグが出るまで丸ごとテキストとして読みます。このツールも同じ規則で読みます。
| ソース | 正規表現の結果 | このツール |
|---|---|---|
<p>在庫が3個より少ないとき(a < b)通知</p> | 在庫が3個より少ないとき(a 文中の < 以降が消える | 在庫が3個より少ないとき(a < b)通知 |
<div data-note="a>b">本文</div> | b">本文属性値の中の > でタグが終わる | 本文 |
<!--[if mso]><p>Outlook向けの案内</p><![endif]-->表示される文 | Outlook向けの案内表示される文コメント内の文が残る | 表示される文 |
<script>if (n < 3) alert(n)</script>本文 | if (n 本文スクリプトの断片が残る | 本文 |
<p>価格 & 送料</p> | 価格 & 送料文字参照がそのまま残る | 価格 & 送料 |
<p>最初の段落</p><p>次の段落</p> | 最初の段落次の段落段落が1行にくっつく | 最初の段落 |
リンク・画像・非表示の文の扱い
初期設定では、画面に見える文字だけを残します。リンクは文字だけが残ってURLは外れ、画像も外れ、hidden属性やdisplay:none・visibility:hiddenで隠した要素も外れます。必要なら下のように変更できます。リンクの文字がURLと同じときはURLを二度書かず、#で始まるページ内リンクとjavascript:のリンクにはURLを付けません。
| 設定 | HTML | 結果 |
|---|---|---|
| リンクのURL ▸ 文字の後ろ | <p><a href="https://example.com/sale">セールを見る</a></p> | セールを見る (https://example.com/sale) |
| リンクのURL ▸ 末尾にまとめる | <p><a href="https://example.com/sale">セールを見る</a>と<a href="https://example.com/faq">お問い合わせ</a></p> | セールを見る[1]とお問い合わせ[2] |
| 画像 ▸ 代替テキスト | <p><img src="logo.png" alt="ロゴ"> ロベリン</p> | [画像: ロゴ] ロベリン |
| 非表示の要素を除く(初期設定) | <div style="display:none">プレビュー用の文言</div><p>本文</p> | 本文 |
メルマガでは、受信トレイの一覧に表示されるプレビュー文を本文の先頭に隠して置き、その後ろを ‌の繰り返しで埋めることがよくあります。非表示の要素を除くと、この文言と埋め草の文字がまとめて消えます。除いた非表示の要素の数は、スイッチの横に表示されます。
選んだタグだけ残す・削除する
結果を文字ではなくHTMLで受け取る方式です。選んだタグだけ残すは、この文書のタグ一覧でクリックしたタグを残し、ほかのタグだけを取り除きます。初期状態では、段落・見出し・リスト・表・リンク・太字といった文章の書式タグが選ばれています。選んだタグだけ削除はその逆で、クリックしたタグだけを取り除き、残りはそのままにします。初期状態ではspanとfontが選ばれています。どちらの方式もタグだけを取り除いて中の文字は残します。取り除いたタグしかなかった行は消し、ブロックタグを取り除いて前後の文字がくっつく場合はその位置で改行します。それ以外の改行やインデント、&のような文字参照には手を加えません。ただしtitle・textareaは、タグを取り除くとき中の文字も一緒に除きます。
- 残したタグの属性: 「そのまま」はソースの属性を残し、「必要なものだけ」は
href・src・alt・colspan・rowspanだけを残し、「すべて削除」は属性をすべて消します。選んだタグだけ残す方式の初期値は「必要なものだけ」です。 - GoogleドキュメントからコピーしたHTML: 内容全体を
<b style="font-weight:normal" id="docs-internal-guid-…">が包んでいます。太字ではないこの包みは、bを残すよう選んでも取り除くので、結果全体が太字になることはありません。ただしGoogleドキュメントは太字をspanのstyle値で表すため、spanを取り除くと太字も消えます。書式まで移したいときは、HTML Markdown変換ツールのほうが向いています。 - セキュリティ用のサニタイザーではありません: この方式で作ったHTMLを、他人が書いた文章としてサイトに埋め込まないでください。属性をそのまま残すと
onclickのような属性も残り、「必要なものだけ」でもhrefに書かれたjavascript:のURLは除去されません。また、タグを取り除くと<<b>script>のように分けて書かれた文字がつながり、新しいタグ(<script>)ができることもあるため、属性を「すべて削除」にしても安全とはいえません。サイトに入れるHTMLは、DOMPurifyのような実績のあるサニタイズ用ライブラリで処理してください。
、全角スペース、見えない文字
HTMLの は改行されない空白(U+00A0)になり、結果にそのまま残ります。見た目は普通の空白でも、エディターの検索・置換やExcelの数式では普通の空白と区別されることがあり、思わぬ不具合のもとになります。「 ・見えない文字を整理」をオンにしておくと、改行されない空白(U+00A0・U+2007・U+202F)は普通の空白に置き換え、幅のない空白(U+200B)・ワードジョイナー(U+2060)・BOM(U+FEFF)・ソフトハイフン(U+00AD)・結合書記素ジョイナー(U+034F)は削除します。空白の隣にある幅のない非結合子(U+200C)も、メールの埋め草とみなして削除します。絵文字をつなぐゼロ幅接合子(U+200D)や、文字と文字の間にある非結合子は削除しません。
全角スペース(U+3000)は変更しません。日本語の文章では字下げや氏名の区切りに使われることが多いため、半角スペースへの置き換えも削除もせず、ソースのまま結果に残します。全角スペースを半角に揃えたいときは、結果をエディターに貼り付けてから置換してください。
つまずきやすい点
- ページで見た文が結果にない: JavaScriptがあとから描き込む文は、「ページのソースを表示」のHTMLには含まれていません。画面に見えている範囲をコピーして貼り付けるか、開発者ツールで要素をコピーして入れてください。
- 表の中身が1項目ずつ別の行になる: メールのようにレイアウトのために使った表(
role="presentation"、入れ子の表、1列だけの表)は、セルをタブでつながず、セルごとに行を分けます。データ用の表のセル内にある改行は、スプレッドシートに貼ったときに行がずれないよう、空白に置き換えます。 - CSSのクラスで隠した文が残る: このツールはスタイルシートを計算しません。非表示の判定に使うのは、
hidden属性と、要素に直接書かれたstyleの値だけです。 - コードで数えた文字数と合わない: ソースの改行やインデントは空白1つにまとまり、
&は&の1文字になります。結果欄の上の文字数が、画面に見える文章の文字数に近い値です。 - ヘッダーのタイトルが消える:
<head>の中の<title>はブラウザのタブに使う名前で、本文の文字には数えません。ソース欄では灰色で表示されます。 - 整形したテキストを貼ったら書式が消えた: 文字だけを取り出すと、太字やリンクなどの書式は残りません。書式を文書の構造として残したいときは、選んだタグだけ残す方式を使うか、Markdownに変換してください。
制限: このツールにはわからないこと
- CSSの
displayやwhite-spaceの値、::beforeで追加された文字は計算しません。改行の位置はタグの種類で決めるため、CSSでレイアウトを変えたページは、画面と結果が違って見えることがあります。 - 相対URL(
/sale)はそのまま付けます。元のサイトのドメインを補った完全なURLには変換しません。 - ソースは2 MBまで扱えます。20万文字を超えるソースでは、色分けをオフにして整形だけを行います。
- 選んだタグだけ残す・削除する方式は、タグ名だけを見ます。開始タグと終了タグが対応していないHTMLを直すことはなく、セキュリティ用のサニタイザーでもありません。
- 開けるのは、テキスト形式の.html・.htm・.xhtml・.xml・.svg・.txtファイルだけです。WordやPDFの文書の文字は読み取れません。
出典
基準日: HTMLの解釈規則は、WHATWG HTML Living StandardとMDNの文書を2026年10月22日に確認しました。表の結果はこのツールの出力で、正規表現の結果は同じソースに<[^>]+>を適用して空文字に置き換えた値です。
- 01WHATWG HTML — innerText と outerTextrendered text collection steps: p は改行2、ブロックは1、br は改行、表のセルの間はタブ、行の間は改行
- 02WHATWG HTML — 13.1.2 Elementsraw text 要素(script・style)と escapable raw text 要素(textarea・title)
- 03WHATWG HTML — 13.2.5.6 Tag open state< の後ろが英字・!・/・? でなければ < を文字として出力する
- 04MDN — DOMParser.parseFromString()text/html として読んだ文書の script は実行されない
- 05DOMPurify (cure53)HTML・SVG・MathML向けの、DOMベースのXSSサニタイズ用ライブラリ
よくある質問
HTMLタグ除去ツールの使い方は?
HTMLソース欄にコードを貼り付けるか、Web画面からコピーした内容を貼り付けると、整形後のテキスト欄にすぐ結果が表示されます。押すボタンはなく、結果を確認してからコピーするか、TXTファイルとして保存します。
正規表現 <[^>]+> で消すのと何が違いますか?
正規表現は「<」から次の「>」までをタグとみなします。そのため、文中の「a < b」から次のタグの終わりまで文字を消したり、属性値の中の「>」の後ろを文字として残したり、Outlook向けの条件付きコメント内の文を残したりします。このツールはブラウザと同じ規則でHTMLを読み、こうした場合を区別します。
改行はどのように決まりますか?
画面に見える形で分けます。段落・見出し・リスト・表のまとまりの間には空行を、divやリスト項目、表の行の間とbrの位置には改行を入れ、ソースコード内の改行とインデントは空白1つにまとめます。ブロックタグがまったくない文は、元の改行をそのまま残します。
リンクのURLも残せますか?
リンクのURLで「文字の後ろ」を選ぶと「セール商品を見る (https://…)」のようにリンク文字のすぐ後ろに、「末尾にまとめる」を選ぶと文字に[1]のような番号を付け、URLは末尾にまとめて付けます。リンク文字がURLと同じときは二度書きません。
メールのHTMLで、見えなかった文が消えるのはなぜですか?
メルマガでは、受信トレイのプレビュー用の文言をdisplay:noneなどのスタイルで隠していることがよくあります。初期設定ではこうした非表示の要素を除き、画面に見える文だけを残します。隠れた文も見たいときは、「非表示の要素を除く」をオフにしてください。
特定のタグだけ残したり削除したりできますか?
「残すもの」で「選んだタグだけ残す」か「選んだタグだけ削除」を選び、この文書のタグ一覧でタグをクリックします。結果はHTMLで表示され、残したタグのclassやstyleなどの属性を消したり、URLと代替テキストだけを残したりすることもできます。
タグだけを残して作ったHTMLを、そのままサイトに入れても安全ですか?
セキュリティ用のサニタイザーとしては使わないでください。属性をそのまま残すとonclickのような属性も残り、「必要なものだけ」でもhrefに書かれたjavascript:のURLは除去されません。他人が書いたHTMLをサイトに入れるときは、DOMPurifyのような実績のあるサニタイズ用ライブラリを使ってください。
貼り付けたHTMLやファイルはサーバーに送信されますか?
いいえ。貼り付けた内容とファイルはブラウザの中だけで読み込み、URLや保存領域にも残しません。ソースのscriptは実行せず、画像のURLも読み込みません。