Як очистити HTML з Word і Google Docs і не втратити форматування
Звідки береться зайва розмітка при копіюванні тексту, що в ній шкідливого, що треба зберегти й сім типових пасток, які ламають заголовки, списки та посилання.

Ви пишете статтю у Word чи Google Docs, копіюєте її й вставляєте в редактор сайту. Виглядає нормально, але на сторінці шрифт чужий, відступи дивні, а в коді тисячі символів службового сміття. Розберімося, звідки воно береться і як очистити текст, не втративши форматування.
Що приїздить разом із текстом
Редактори документів зберігають у буфері не лише слова, а й повне оформлення. У код потрапляють:
- атрибути style з розмірами, шрифтами, кольорами й відступами;
- десятки class і id, які нічого не означають для вашого сайту;
- обгортки span навколо кожного слова з іншим стилем;
- службові теги Word (
o:p, xml-блоки) та умовні коментарі; - порожні абзаци з нерозривними пробілами замість відступів.
Така розмітка збільшує вагу сторінки, перебиває стилі дизайну й ускладнює подальше редагування. Про вплив ваги й розмітки на швидкість ми писали в статті Core Web Vitals простими словами.
Що треба зберегти
Прибирати все підряд не можна, інакше зникне зміст. Розрізняйте дві групи.
Структура:
- заголовки (h1–h6), абзаци й цитати;
- списки, у тому числі вкладені;
- таблиці;
- посилання й зображення.
Типографіка:
- жирний, курсив, підкреслення та закреслення;
- верхні й нижні індекси (
m²,H₂O); - поодинокі нерозривні пробіли, які тримають разом число й одиницю виміру.
Усе інше (шрифт, розмір, колір, міжрядковий інтервал) має визначати таблиця стилів сайту, а не вставлений текст.
Сім пасток, які ламають очищення
- Жирне, що лишилось у стилях. Google Docs і сайти часто позначають жирний не тегом, а стилем
font-weight:700. Якщо просто видалити style, жирний зникне. Потрібно спершу перетворити стиль на тег strong. - Зайвий жирний у всьому документі. Google Docs обгортає весь вміст тегом
bзі стилемfont-weight:normal. Наївний очисник вважає його жирним і виділяє весь текст. - Списки з абзаців. Word вставляє пункти як звичайні абзаци з символом «·» чи «1.» і службовим стилем
mso-list. Після видалення стилів залишається купа абзаців без списків. Їх треба розпізнавати й збирати у справжні ul та ol із вкладеністю. - Посилання-редиректи. Google Docs підміняє адресу на
google.com/url?q=.... На сайт варто повертати справжню адресу. - Мертві посилання й зображення. Зміст Word веде на якорі, яких вже немає, а картинки вказують на
file:///на вашому комп'ютері. На сайті це не працюватиме. - Порожні абзаци й кратні пробіли. Для відступів використовують порожні рядки та послідовності нерозривних пробілів. У чистому HTML вони не потрібні.
- Небезпечна розмітка. Вставлений HTML може містити скрипти, обробники подій чи посилання
javascript:. Очисник має будувати результат із білого списку, а не вирізати «погане» регулярними виразами.
Чому не вставляти як звичайний текст
Режим «вставити без форматування» прибирає розмітку цілком. Разом із нею зникають заголовки, списки, таблиці, посилання й жирний чи курсив, і редактору доведеться відновлювати все вручну. Правильніший шлях: залишити структуру та смислове форматування, а все оформлення прибрати.
Короткий чек-лист
- Вставляйте оригінальний текст, а не знімок екрана чи PDF.
- Залишайте заголовки, списки, таблиці й посилання.
- Переносьте жирний і курсив у теги, а не в стилі.
- Прибирайте style, class, id, span та службові теги.
- Видаляйте порожні абзаци й зайві пробіли.
- Перевіряйте посилання та зображення.
- Не передавайте текст стороннім сервісам, якщо він містить конфіденційні дані.
Приватність
Багато онлайн-очисників надсилають ваш текст на сервер. У чернетках бувають ціни, договори й персональні дані. Надійніше обирати інструмент, який працює у браузері й нічого не передає.
Спробуйте
Ми створили безкоштовний інструмент очищення HTML: він розуміє Word і Google Docs, зберігає структуру й типографіку, відновлює списки, прибирає службові теги й працює в браузері. Як ми його перевіряли й що виправили в початковому прототипі, читайте в кейсі. Якщо вам потрібне наповнення сайту без технічного болю, дивіться послуги веб-розробка та маркетинг.
Як ми з цим допомагаємо
Послуги, пов’язані з темою статті:
Часті запитання
Чому текст із Word ламає дизайн сайту?
Разом із текстом копіюються inline-стилі, класи та службові теги Office. Вони перебивають стилі сторінки, тому шрифти, відступи й кольори не збігаються з дизайном.
Чи достатньо вставити текст як звичайний?
Це прибирає розмітку, але разом з нею зникають заголовки, списки, таблиці, посилання та жирний чи курсив. Структуру доведеться відновлювати вручну.
Що важливіше зберегти під час очищення?
Структуру (заголовки, списки, таблиці, посилання) і смислове форматування (жирний, курсив). Усе, що відповідає лише за вигляд, краще залишити стилям сайту.
Читайте також
Інструменти та продуктиЯк дістати текст із фото й PDF: OCR простими словами
Що таке розпізнавання тексту, чим відрізняється скан від PDF із текстом, як отримати точніший результат і чому варто звертати увагу на приватність.Читати →
Інструменти та продуктиКонвертер регістрів: 6 ситуацій, у яких він справді економить час
Від тексту, набраного з Caps Lock, до назв змінних і адрес сторінок: шість буденних ситуацій, де зміна регістру однією кнопкою заощаджує час.Читати →
SEO та маркетингSEO-friendly URL: як створити адресу сторінки українською й англійською
Що таке людино-зрозумілі адреси, чому латинський слаг зручніший за кирилицю, які є правила транслітерації та як не втратити трафік під час зміни адрес.Читати →
Потрібна консультація по темі?
Опишіть задачу: підкажемо, з чого почати, і чесно скажемо, що можна не робити.