Extraire le texte d'une seule page web

À quoi sert l'extraction d'une seule page

L'extracteur de site complet parcourt toutes les pages et rassemble leur texte dans un seul bloc. C'est pratique sur un petit site, mais sur un site de plusieurs centaines de pages, le résultat pèse plusieurs mégaoctets : le navigateur ralentit, le correcteur orthographique s'essouffle, et retrouver un passage précis devient pénible.

Cette page fait l'inverse : elle ne lit qu'une adresse, celle que vous indiquez. Le résultat arrive en quelques secondes, il est léger, et vous pouvez enchaîner les pages une par une, au rythme de votre relecture.

Ce que l'outil garde, et ce qu'il retire

L'outil lit le code HTML de la page et ne conserve que le texte qu'un visiteur voit à l'écran.

• Retiré : les scripts, les feuilles de style, les commentaires HTML, les éléments masqués et le contenu des balises <noscript>.
• Gardé : les titres, les paragraphes, les listes, les tableaux, les menus et le pied de page, c'est-à-dire tout ce que le robot d'un moteur de recherche lit aussi.
• Structuré : chaque titre et chaque paragraphe occupe sa propre ligne, les éléments de liste commencent par un tiret, et les cellules d'un tableau sont séparées par une barre verticale.

Ce dernier point évite un défaut courant des extracteurs : les mots collés d'un bloc à l'autre. Un titre suivi d'un paragraphe, ou deux cellules voisines d'un tableau, ne donnent plus « Chapitre 24Voici » mais deux lignes distinctes.

Quelques usages

Relire un article avant publication

Collez l'adresse de votre brouillon en ligne, copiez le texte et passez-le dans votre correcteur habituel. Sans la mise en page, les fautes, les répétitions et les phrases trop longues sautent aux yeux.

Mesurer le contenu réel d'une page

L'outil affiche le nombre de caractères et de mots trouvés. Une page qui ne dépasse pas quelques centaines de mots, menu et pied de page compris, a peu de chances d'être jugée utile par un moteur de recherche ou par une régie publicitaire.

Vérifier qu'un texte n'est pas injecté en JavaScript

L'outil lit le code HTML tel que le serveur l'envoie, sans exécuter les scripts. Si le texte que vous voyez dans votre navigateur n'apparaît pas ici, c'est qu'il est ajouté après le chargement. Les moteurs savent souvent le lire, mais pas toujours, et jamais aussi vite.

Préparer une analyse de texte

Le texte extrait se colle directement dans un outil d'analyse, par exemple un détecteur de texte généré par IA, un compteur de mots ou un outil de lisibilité, sans y traîner de balises HTML.

Questions fréquentes

Pourquoi le texte de mon menu apparaît-il ?

Parce qu'il fait partie de la page. L'outil restitue tout le texte visible, sans deviner ce qui relève du gabarit. Le menu et le pied de page se trouvent en général au début et à la fin du résultat, il suffit de les ignorer.

Le texte des images est-il récupéré ?

Non. Un texte incrusté dans une image n'existe pas dans le code HTML, l'outil ne peut donc pas le lire, et un moteur de recherche non plus.

Quelles pages ne peuvent pas être extraites ?

Les pages protégées par un mot de passe, celles qui bloquent les visiteurs automatiques, les fichiers PDF ou images, et les pages de plus de 4 Mo. Les adresses de réseaux privés ne sont pas acceptées.

Y a-t-il une limite ?

L'outil est gratuit et sans inscription. Pour qu'il reste disponible pour tout le monde, il est limité à 400 pages par heure et par adresse IP, ce qui laisse une large marge pour une relecture.