Limpador HTML: remova atributos, scripts e excesso online
Cole HTML desorganizado e obtenha uma estrutura limpa sem atributos e um esquema JSON; scripts, estilos, comentários, SVG, formulários e seletores personalizados são removidos.
Funciona totalmente no seu navegador com o analisador HTML nativo; nada é enviado. Útil para extração de conteúdo, pipelines de scraping, migração de CMS e preparação de HTML para entrada em LLM.
Limpador HTML: remova atributos, scripts e excesso online
Cole HTML desorganizado e obtenha uma estrutura limpa sem atributos e um esquema JSON; scripts, estilos, comentários, SVG, formulários e seletores personalizados são removidos.
Sobre o limpador de HTML
O HTML copiado de sites reais traz uma enorme quantidade de excesso: classes de frameworks, estilos inline, atributos data-*, scripts de rastreamento, ícones SVG, marcadores de comentários e camadas de divs usadas para uma única finalidade. Quando você realmente quer apenas a estrutura do conteúdo — para um pipeline de scraping, uma migração de CMS, uma comparação ou para reduzir uma página antes de enviá-la a um modelo de linguagem — tudo isso é ruído que esconde o sinal e desperdiça tokens.
Esta ferramenta analisa seu HTML com o próprio analisador do navegador (DOMParser) e aplica uma limpeza configurável: todos os atributos são removidos (com opção de preservar href nos links para manter o grafo de links), nós de script, style, comentários, SVG e formulários são descartados, elementos que correspondem aos seus seletores CSS personalizados são removidos (um por linha, útil para navegação ou banners de cookies), tags vazias restantes são eliminadas e, opcionalmente, cada contêiner que contém exatamente um filho e nenhum texto próprio é removido, desfazendo divs aninhadas.
Duas saídas são produzidas lado a lado: o HTML limpo e um esquema JSON da estrutura restante (tag, text, children, href), conveniente para processamento programático. O indicador de tamanho mostra a redução; em páginas modernas típicas, a estrutura limpa é 80-95% menor que a entrada. Tudo roda localmente na aba do navegador; o HTML nunca sai do seu dispositivo.
Exemplos de limpeza de HTML
O que cada opção faz com um trecho.
| Entrada | Saída | Observações |
|---|---|---|
| ⟨div class="a b c" data-x="1"⟩⟨p style="color:red"⟩Hi⟨/p⟩⟨/div⟩ | ⟨div⟩⟨p⟩Hi⟨/p⟩⟨/div⟩ | Todos os atributos são removidos; estrutura e texto permanecem. |
| ⟨p⟩Text⟨script⟩evil()⟨/script⟩⟨/p⟩ | ⟨p⟩Text⟨/p⟩ | As tags script são removidas por completo. |
| ⟨a class="btn" href="/docs"⟩Docs⟨/a⟩ | ⟨a href="/docs"⟩Docs⟨/a⟩ | Com “Manter href” ativado, os links continuam utilizáveis. |
| ⟨div⟩⟨div⟩⟨p⟩Deep⟨/p⟩⟨/div⟩⟨/div⟩ | ⟨p⟩Deep⟨/p⟩ | “Elevar contêineres com um filho” reduz o aninhamento puro. |
Como usar o limpador de HTML
- Cole o HTML na caixa de entrada.
- Marque as opções de limpeza desejadas; adicione seletores CSS específicos do site, um por linha, para elementos como barras de navegação ou blocos de anúncios.
- Clique em “Limpar HTML”.
- Copie o HTML limpo ou a estrutura JSON para processamento programático.
- O indicador de tamanho informa quanto excesso foi removido.
Perguntas frequentes sobre o limpador de HTML
Meu HTML é enviado para um servidor?
Não. A análise e a limpeza rodam totalmente no seu navegador usando DOMParser. Depois de carregada, a página funciona offline.
O que os seletores personalizados fazem?
Qualquer elemento que corresponda a um dos seus seletores CSS (um por linha) é removido antes da limpeza — por exemplo, “nav”, “#sidebar” ou “div[class*=ads]”. Seletores inválidos são ignorados.
Para que serve a saída JSON?
É um esquema da estrutura limpa: objetos com tag, text, children e, opcionalmente, href. É útil para scrapers, testes ou para enviar conteúdo estruturado a um programa sem analisar o HTML novamente.
O que significa “elevar contêineres com um filho”?
Se um elemento contém exatamente um elemento filho e não tem texto próprio, o contêiner é removido e o filho ocupa seu lugar. Aplicado recursivamente, reduz o aninhamento profundo de divs comum em sites modernos.
Por que limpar o HTML antes de enviá-lo a um LLM?
Nomes de classes, estilos inline e scripts consomem tokens sem acrescentar significado. A estrutura limpa costuma ser 80-95% menor, reduzindo custos e deixando mais espaço para o conteúdo.
Imagens e quebras de linha são mantidas?
O processo de remover tags vazias mantém explicitamente os elementos br e img, mesmo sem filhos, porque eles têm significado próprio.