Remover Tags HTML

O que ela faz e o que não faz

strip_tags é um removedor de tags rápido e literal. Não é um conversor completo de HTML para texto, então é útil saber exatamente onde está o limite.

• As tags são removidas, o texto é mantido. <b>bold</b> text vira bold text. As tags de abertura, de fechamento e seus atributos desaparecem.
• Os comentários HTML são removidos. <!-- note -->visible vira visible.
• Nenhuma quebra de linha é inserida. Tags de bloco como <p> e <div> são simplesmente apagadas, então <p>One</p><p>Two</p> vira OneTwo. As quebras de linha que já existem no seu texto são mantidas.
• As entidades não são decodificadas. Tom & Jerry continua Tom & Jerry. Para converter & de volta em &, passe o resultado por um decodificador de entidades HTML.
• O texto de script e style permanece. Só as tags <script> e <style> são removidas; o código ou o CSS entre elas permanece. Apague esses blocos você mesmo antes, se não os quiser.

Antes e depois

Usos comuns

• Limpar a saída de um CMS. Extraia o texto do corpo de um artigo exportado e salve como .txt simples.
• Alimentar modelos de linguagem. Os modelos funcionam melhor com texto simples do que com marcação, então remova as tags antes de escrever o prompt.
• Limpeza de dados extraídos. Quando um scraper devolve o innerHTML mas você só queria o texto visível.
• Extração rápida de texto. Cole qualquer fragmento HTML e recupere as palavras sem a marcação ao redor.

Bom saber

• Onde é executado. O processamento acontece em nosso servidor. Só as contagens de caracteres antes e depois são registradas para fins de análise, nunca o HTML em si, mas como em qualquer ferramenta online, evite colar dados realmente sensíveis.
• Entidades e scripts. Se a saída ainda mostrar & ou JavaScript restante, é o esperado: decodifique as entidades separadamente e remova os blocos <script> / <style> antes de colar.