.html · text/html

HTML: 超文本标记语言

HTML5 为浏览器和富文本编辑器定义了网页的语义文档结构、超链接、表格以及多媒体布局规范。

快速解答: HTML5 为浏览器和富文本编辑器定义了网页的语义文档结构、超链接、表格以及多媒体布局规范。 网页发布、富文本剪贴板载荷、邮件模板以及经过净化的 Markdown 渲染嵌入。

结构类型标记语言
人类可读性中
支持嵌套支持
LLM Token 效率低
文件扩展名.html
MIME 类型text/html
适用场景网页发布、富文本剪贴板载荷、邮件模板以及经过净化的 Markdown 渲染嵌入。

核心优势

  • 所有浏览器与富文本编辑器通用支持的底层渲染标准
  • 完整支持 CSS 排版样式、语义地标、表格与 ARIA 无障碍属性
  • 可作为富文本顺畅粘贴至 Word、Notion 与 Gmail 并保留格式

局限与权衡

  • 导航栏、脚本与大量 CSS 类名会严重膨胀大模型 Token 消耗
  • 未经净化的 HTML 存在 XSS 跨站脚本风险,需经 DOMPurify 过滤
  • 相比 Markdown 人工手写和直接阅读都较为繁杂

参考资料

本地转换与清理 HTML

相关工程指南

HTML 常见问题

把网页 HTML 喂给大模型前为什么要先剔除 <script>、<style> 和 <nav>?

页头导航、内联脚本和 CSS 样式常占据原始网页 60%–85% 的 Token,去除它们能避免噪声稀释检索准确率。

TxtTo 如何保障 Markdown 转 HTML 的输出安全性?

TxtTo 默认在本地通过 DOMPurify 对渲染后的 HTML 进行净化过滤,自动剔除危险事件属性与脚本标签。

如何把 &amp; 或 &mdash; 等 HTML 实体解码为可读纯文本?

使用“去除 HTML 标签”工具并开启实体解码选项,即可将命名与数字 HTML 实体还原为标准 UTF-8 字符。