تحويل HTM إلى نص Unicode عبر سطر الأوامر — محوّل دفعي للخوادم

لديك مجلدات من ملفات HTM أو HTML — صفحات مسحوبة، نشرات مؤرشفة، ملفات مساعدة مُصدَّرة، لقطات إنترانت — وخط أنابيب تابع يحتاج النص القابل للقراءة دون أي ترميز. لا تريد مفهرسات البحث ضوضاء <div>. تختنق محلِّلات NLP من السكربتات المضمّنة. تريد المراجعة القانونية النثر، وليس CSS. Total HTML Converter X يجرِّد ترميز HTM ويكتب نص Unicode نظيفًا من سطر الأوامر، دفعةً، بدون واجهة رسومية وبدون محرّك متصفح. ثبّته على خادم Windows، استدعِه من سكربت أو عبر ActiveX، ودعه يُغذّي مفهرسك أو نموذجك أو أرشيفك.

ما يقدّمه Total HTML Converter X

• استخراج دفعي — مرّر حرف بدل (*.htm) وسيمشي المحوّل عبر كل الملفات المطابقة في تشغيلة واحدة
• إخراج Unicode خالص — ينتج نص UTF-8 أو UTF-16 مع إزالة الترميز والسكربتات والأنماط والتعليقات
• التحكم بالترميز — اختر UTF-8 أو UTF-16 LE/BE، مع BOM أو بدونه، لمطابقة مستهلك النص
• تغطية كاملة للأحرف — يحافظ على السيريلية وCJK والعربية والعبرية والديفاناغاري واللاتينية ذات العلامات التشكيلية والرموز التعبيرية من مصدر HTM
• النص ثنائي الاتجاه — يحافظ على تتابعات العربية والعبرية بترتيب منطقي بحيث ترى أدوات البحث وNLP حدود الكلمات الصحيحة
• بدون محرّك متصفح — يحلّل المحوّل HTM مباشرةً دون تثبيت Chromium أو Edge على الخادم
• ActiveX / COM — استدعِ المحوّل من .NET أو VBScript أو PHP أو Python أو أي بيئة متوافقة مع COM لدمج استخراج النص في تطبيقك الخاص
• برمجة .bat — احفظ الأوامر في ملفات دفعية وجدوِلها باستخدام Windows Task Scheduler لأتمتة الاستخراج بالكامل

Windows 7/8/10/11 • Server 2008/2012/2016/2019/2022

HTM مقابل Unicode TXT: لماذا التحويل؟

HTM (وHTML) هي لغة ترميز مخصّصة للمتصفحات. يخلط الملف النثر بالوسوم والسمات والأنماط المضمّنة وJavaScript والإشارات إلى أصول خارجية. ينتهي مفهرس بحث يبتلع HTM خامًا بتسجيل نقاط على كتل <script> وأسماء فئات CSS جنبًا إلى جنب مع المحتوى الفعلي. يهدر محلِّل LLM السياق على الضوضاء. يُعيد grep على أرشيف HTM تطابقات داخل السمات، وليس نص الجسم.

Unicode TXT هو نص خالص بصيغة UTF-8 أو UTF-16. لا وسوم، لا ترميز، لا تنسيق — فقط الأحرف القابلة للقراءة في المستند. كل محرّك بحث ومجموعة أدوات NLP ومحلّل سجلات وأداة أرشفة يستهلكه دون معالجة مسبقة. التحويل ضائع بالتصميم: الصور والتخطيط والأنماط تختفي. ما يبقى هو محتوى النص، بترتيب منطقي صحيح، مع مجموعة الأحرف الأصلية سليمة.

كيفية تحويل HTM إلى نص Unicode من سطر الأوامر

الخطوة 1. تثبيت Total HTML Converter X

نزّل المُثبِّت من الرابط أعلاه وشغّله على خادم أو محطة عمل Windows. يستغرق التثبيت أقل من دقيقة. لا حاجة لمتصفح أو Microsoft Office أو وقت تشغيل Java — يحلّل المحوّل HTM بمحرّكه الخاص ويكتب نص Unicode مباشرةً.

الخطوة 2. فتح موجّه الأوامر

افتح cmd.exe أو PowerShell. الملف التنفيذي للمحوّل هو HTMLConverter.exe، ويقع في مجلد التثبيت (عادةً C:\Program Files\CoolUtils\TotalHTMLConverterX\). أضفه إلى متغيّر PATH في النظام أو استخدم المسار الكامل في أوامرك.

الخطوة 3. تشغيل الاستخراج الأساسي

أبسط أمر يجرّد الترميز من كل ملف HTM في مجلد ويكتب نص UTF-8:

HTMLConverter.exe C:\Pages\*.htm C:\Output\ -c TXT -Encoding UTF-8

يُعالج هذا كل ملف .htm في C:\Pages\ ويحفظ ملفات .txt الناتجة في C:\Output\. كل ملف HTM يُنتج ملف TXT واحدًا بنفس الاسم الأساسي ونص الجسم بصيغة UTF-8.

الخطوة 4. التحكم بالترميز والتسجيل

اضبط الإخراج لمستهلك النص:

HTMLConverter.exe C:\Pages\*.htm C:\Output\ -c TXT -Encoding UTF-16 -BOM 1 -log C:\Logs\htm2txt.log

• -Encoding UTF-8 — افتراضي؛ يعمل مع معظم خطوط أنابيب البحث وNLP
• -Encoding UTF-16 — مفيد لأدوات Windows القديمة التي تتوقّع أحرفًا عريضة
• -BOM 1 أو -BOM 0 — كتابة أو حذف علامة ترتيب البايتات؛ تفضّل كثير من المفهرسات عدم وجود BOM
• -log C:\Logs\htm2txt.log — تسجيل كل ملف معالَج وأي تحذيرات تحليل

الخطوة 5. الأتمتة بملف .bat

احفظ أمرك في ملف .bat وجدوِله باستخدام Windows Task Scheduler:

@echo off
"C:\Program Files\CoolUtils\TotalHTMLConverterX\HTMLConverter.exe" C:\Incoming\*.htm C:\Archive\TXT\ -c TXT -Encoding UTF-8 -BOM 0 -log C:\Logs\htm2txt.log

يعمل هذا ليلًا (أو بأي فاصل زمني تحدّده) ويُسقط نص UTF-8 في مجلد الأرشيف جاهزًا لكي يلتقطه مفهرس البحث أو مهمة NLP أو مراجعة قائمة على grep.

تكامل ActiveX / COM

يُسجَّل Total HTML Converter X ككائن ActiveX كامل. يمكنك استدعاؤه من أي بيئة متوافقة مع COM — .NET أو VBScript أو PHP أو Python أو Ruby أو ASP. يتيح لك ذلك دمج استخراج النص من HTM إلى Unicode في خدمة الاستيعاب الخاصة بك أو بوابة الإنترانت أو خط أنابيب NLP دون اللجوء إلى عملية سطر أوامر خارجية.

مثال (C#/.NET):

HTMLConverterX Cnv = new HTMLConverterX();
Cnv.Convert("C:\\Pages\\report.htm", "C:\\Output\\report.txt", "-c TXT -Encoding UTF-8 -BOM 0 -log c:\\Logs\\htm.log");

مثال (PHP):

$c = new COM("HTMLConverter.HTMLConverterX");
$c->convert("C:\\Pages\\report.htm", "C:\\Output\\report.txt", "-c TXT -Encoding UTF-8 -BOM 0 -log c:\\Logs\\htm.log");

يعمل نفس الاستدعاء من ASP.NET وVBScript وPython وRuby وPerl وJavaScript (Windows Script Host). يمكن لخدمتك قبول رفع HTM وإعادة نص Unicode نظيف إلى المُتّصِل في نفس الطلب.

المحوّلات عبر الإنترنت مقابل Total HTML Converter X

متى تحتاج تحويل HTM إلى نص Unicode من سطر الأوامر

• تغذية فهرس بحث. Elasticsearch وSolr وOpenSearch وMeilisearch تفهرس النص الخالص بشكل أسرع وأكثر دقة من HTM الخام. تجرّد دفعة ليلية الترميز من الصفحات الواردة وتُسقط UTF-8 في مجلد المراقبة الخاص بالمفهرس.
• خطوط أنابيب NLP وLLM. تستهلك المُحلِّلات وأدوات تقسيم الجمل ونماذج التضمين النص الخالص. إرسال HTM خام يهدر السياق على الوسوم ويُفسد الإحصائيات. الاستخراج المسبق لنص Unicode نظيف يصلح المشكلتين قبل أن يرى النموذج المدخلات على الإطلاق.
• المعالجة اللاحقة لاستخراج الويب. تحفظ برامج الزحف الصفحات بصيغة HTM. تحتاج مرحلة استخراج النص إلى النثر بدون قوائم التنقّل أو السكربتات أو نمطية التذييل المُجرَّدة من الوسوم. يتعامل المحوّل مع تمريرة الترميز؛ وتتعامل سكربتاتك مع تصفية المحتوى.
• الحفظ القانوني والاكتشاف الإلكتروني. تحفظ فرق الامتثال اتصالات HTM وتحتاج إلى نسخ نصية قابلة للبحث بالكلمات المفتاحية للمراجعة. UTF-8 خالص هو التنسيق الذي تستوعبه كل منصة اكتشاف إلكتروني دون ترجمة.
• grep على الأرشيف والتدقيق. grep على مجلد من ملفات HTM يُعيد تطابقات داخل سمات class وسلاسل JavaScript. grep على TXT المُستخرَج يُعيد فقط تطابقات في النثر الفعلي — الإجابة التي يريدها المدقّق.

لماذا Total HTML Converter X

Unicode حقيقي، وليس تقريبًا ASCII

الإخراج هو UTF-8 أو UTF-16 صادق. تبقى السيريلية سيريلية، وCJK تبقى CJK، وتحافظ العربية والعبرية على أحرفها بترتيب منطقي. لا يوجد كتابة بحروف لاتينية، ولا إسقاط أحرف، ولا استبدال بعلامة استفهام — ما كان قابلًا للقراءة في HTM يبقى قابلًا للقراءة في TXT.

تطبيق خادم حقيقي

صُمِّم Total HTML Converter X للاستخدام دون إشراف. لا نوافذ واجهة رسومية، لا مربعات حوار، لا مطالبات تأكيد. يعمل بصمت من سطر الأوامر أو كجزء من خدمة — تمامًا ما تحتاجه مهمة الفهرسة أو خط أنابيب NLP أو عامل الأرشيف.

ترميز تتحكم فيه أنت

تتوقّع محرّكات البحث ومجموعات أدوات NLP والأنظمة القديمة تسلسلات بايتات مختلفة. يكشف المحوّل الترميز وBOM كعلامات سطر أوامر، وبذلك تكتب UTF-8 بدون BOM لـElasticsearch، وUTF-16 LE مع BOM لأداة Windows فقط، وUTF-8 مع BOM لمراجع يستخدم Notepad — من نفس التثبيت.

ليس TXT فقط

تُحوّل أداة سطر الأوامر نفسها HTM إلى PDF وDOC وXLS وTIFF وJPEG وRTF وأكثر. تثبيت واحد يغطي كل احتياجات استخراج HTM على الخادم. غيّر -c TXT إلى -c PDF وستحصل على إخراج PDF أرشيفي بنفس مزايا الدفعات والأتمتة.

Windows 7/8/10/11 • Server 2008/2012/2016/2019/2022

محول ملفات HTML للخوادم آراء العملاء 2026

قيمهتقييم 4.7/5 بناءً على آراء العملاء

string src  = @"C:\test\Source.html";
string dest = @"C:\test\Dest.pdf";

var cnv = new HTMLConverterX();
cnv.Convert(src, dest, "-cPDF -log c:\\test\\HTML.log");

if (!string.IsNullOrEmpty(cnv.ErrorMessage))
    throw new Exception(cnv.ErrorMessage);

public static class Function1
    {
        [FunctionName("Function1")]
        public static async Task Run(
            [HttpTrigger(AuthorizationLevel.Anonymous, "get", "post", Route = null)] HttpRequest req,
            ILogger log)
        {
            StringBuilder sbLogs = new StringBuilder();
            sbLogs.AppendLine("started...");
            try
            {
                ProcessStartInfo startInfo = new ProcessStartInfo();
                startInfo.CreateNoWindow = true;
                startInfo.UseShellExecute = false;
                var assemblyDirectoryPath = Path.GetDirectoryName(Assembly.GetExecutingAssembly().Location);
                assemblyDirectoryPath = assemblyDirectoryPath.Substring(0, assemblyDirectoryPath.Length - 4);

                var executablePath = $@"{assemblyDirectoryPath}\Converter\HTMLConverterX.exe";
                sbLogs.AppendLine(executablePath + "...");
                var srcPath = $@"{assemblyDirectoryPath}\src\sample.html";
                var outPath = Path.GetTempFileName() + ".pdf";
                startInfo.FileName = executablePath;

                if (File.Exists(outPath))
                {
                    File.Delete(outPath);
                }

                if (File.Exists(executablePath) && File.Exists(srcPath))
                {
                    sbLogs.AppendLine("files exists...");
                }
                else
                    sbLogs.AppendLine("EXE & source files NOT exists...");
                startInfo.WindowStyle = ProcessWindowStyle.Hidden;
                startInfo.Arguments = $"\"{srcPath}\" \"{outPath}\" -cPDF";
                using (Process exeProcess = Process.Start(startInfo))
                {
                    sbLogs.AppendLine($"wait...{DateTime.Now.ToString()}");
                    exeProcess.WaitForExit();
                    sbLogs.AppendLine($"complete...{DateTime.Now.ToString()}");
                }
                sbLogs.AppendLine("Conversion complete.");
            }
            catch (Exception ex)
            {
                sbLogs.AppendLine(ex.ToString());
            }

            return new OkObjectResult(sbLogs);
        }
    }

dim C
Set C=CreateObject("HTMLConverter.HTMLConverterX")
C.Convert "c:\source.html", "c:\dest.jpg", "-cJPG -log c:\html.log"
C.Convert "https://www.coolutils.com/", "c:\URL Page.pdf", "-cPDF -log c:\html.log"
Response.Write C.ErrorMessage
set C = nothing

dim C
Set C=CreateObject("HTMLConverter.HTMLConverterX")
Response.Clear
Response.AddHeader "Content-Type", "binary/octet-stream"
Response.AddHeader "Content-Disposition", "attachment; filename=test.pdf"
Response.BinaryWrite C.ConvertToStream("C:\www\ASP\Source.html", "C:\www\ASP", "-cpdf -log c:\html.log")
set C = nothing

$src="C:\\test\\test.html";
$dest="C:\\test\\test.pdf";
if (file_exists($dest)) unlink($dest);
$c= new COM("HTMLConverter.HTMLConverterX");
$c->convert($src,$dest, "-cPDF -log c:\\HTML.log");
if (file_exists($dest)) echo "OK"; else echo "fail:".$c->ErrorMessage;

require 'win32ole'
c = WIN32OLE.new('HTMLConverter.HTMLConverterX')

src = "C:\\test\\test.html"
dest = "C:\\test\\test.pdf"

c.convert(src, dest, "-cPDF -log c:\\test\\HTML.log")

if not File.exist?(dest)
  puts c.ErrorMessage
end

import win32com.client
import os.path

c = win32com.client.Dispatch("HTMLConverter.HTMLConverterX")

src  = "C:\\test\\test.html"
dest = "C:\\test\\test.pdf"

c.convert(src, dest, "-cPDF -log c:\\test\\HTML.log")

if not os.path.exists(dest):
    print(c.ErrorMessage)

uses Dialogs, Vcl.OleAuto;

var
  c: OleVariant;
begin
  c := CreateOleObject('HTMLConverter.HTMLConverterX');
  c.Convert('c:\test\source.html', 'c:\test\dest.pdf', '-cPDF -log c:\test\HTML.log');
  if c.ErrorMessage <> '' then
    ShowMessage(c.ErrorMessage);
end;

var c = new ActiveXObject("HTMLConverter.HTMLConverterX");
c.Convert("C:\\test\\source.html", "C:\\test\\dest.pdf", "-cPDF");
if (c.ErrorMessage != "")
  alert(c.ErrorMessage)

use Win32::OLE;

my $src  = "C:\\test\\test.html";
my $dest = "C:\\test\\test.pdf";

my $c = CreateObject Win32::OLE 'HTMLConverter.HTMLConverterX';
$c->convert($src, $dest, "-cPDF -log c:\\test\\HTML.log");
print $c->ErrorMessage if -e $dest;