ForHosting KIT · データ変換・整形

HTMLからタグを除いた本文だけを抽出

HTML文書からタグや装飾情報を取り除き、目に見える本文のテキストだけを抽出するツールです。ウェブページの内容を要約や検索、文章分析の対象として扱いたいときに使う実務向けの機能です。

● 安定提供中無料・ブラウザ内で実行

無料で実行 API仕様を見る

ご利用方法ウェブAPIメールアプリ近日Telegram 近日

タグを除去する理由

HTMLにはタグや属性など、本文以外の情報が多く含まれています。文章の内容だけを扱いたい場合、こうしたコードが邪魔になります。この機能はタグを取り除き、読める文章だけを残します。

改行や段落の扱い

見出しや段落の区切りは、読みやすいように改行として残されます。単純にタグを削るだけでなく、文章の構造をある程度保った状態で出力します。

HTMLメールの本文取り出し

HTML形式で届くメールから、装飾を取り除いた本文だけを取り出す用途にも使えます。テキストとして保存や転記がしやすくなります。

上限について

1回のリクエストで処理できるのは最大25MBまでです。

活用例

ウェブ記事の内容確認

田中大輔さんは、保存したウェブページのHTMLからタグを取り除き、本文だけを読みやすい形で確認しています。

HTMLメールの本文転記

合同会社みどりデザインは、取引先から届くHTML形式のメールから本文だけを抽出し、社内の案件管理シートに転記しています。

文章解析の下準備

山本翔太さんは、スクレイピングで取得したHTMLからタグを取り除いた本文をこの機能で用意し、後続のテキスト分析にかけています。

よくある質問

処理するHTMLはサーバーに保存されますか

保存されません。抽出処理はブラウザ内で完結します。

画像やリンクの情報は残りますか

本文のテキストのみを出力するため、画像やリンクのURLは含まれません。リンクの文字部分はテキストとして残ります。

文字化けしたHTMLでも扱えますか

多くの場合は自動で判別して扱えますが、文字コードに問題がある場合は文字コード変換の機能を先にお使いください。

なぜ無料で使えるのですか

タグの除去はブラウザの中だけで行われる軽い処理のため、サーバー側の計算コストがかからず無料で提供しています。

登録は必要ですか

必要ありません。登録不要・インストール不要でご利用いただけます。

まとめて自動抽出したい場合は

大量のHTMLから自動でテキストを抽出したい場合は、APIから同じ処理を呼び出せます。1回のリクエストにつき$0.002です。

開発者向け — APIアクセス

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

エンドポイント

POSThttps://api.kit.forhosting.com/data/html-to-text

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

お使いのスタックから呼び出す

curl -X POST https://api.kit.forhosting.com/data/html-to-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"input":"…"}'

const res = await fetch("https://api.kit.forhosting.com/data/html-to-text", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "input": "…"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/data/html-to-text",
    headers={"Authorization": f"Bearer {os.environ[&#39;KIT_KEY']}"},
    json={
    "input": "…"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/data/html-to-text", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => &#39;{"input":"…"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"input":"…"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/data/html-to-text", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

リクエスト例

{
  "input": "…"
}

レスポンス例

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "data.html_to_text",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

料金

1リクエストあたり$0.002

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

制限

max_mb 25

エラー

HTTP	コード	意味
`401`	`unauthorized`	APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
`402`	`insufficient_balance`	残高が不足しています。チャージ後に再度お試しください。
`404`	`unknown_type`	指定されたタスクタイプは存在しません。タイプ名を確認してください。
`429`	`rate_limited`	リクエストが多すぎます。しばらく待ってから再度お試しください。

KITの完全なドキュメントを見る →

無料で実行