Sådan bruger du det
- Indsæt din tekst i inputfeltet.
- Sæt kryds ved de oprydningstrin, du ønsker. De mest almindelige er allerede slået til.
- Tjek resultatet i outputfeltet. Det opdateres, hver gang du ændrer en indstilling.
- Kopier den rensede tekst, eller brug den som nyt input til at rense igen.
Sådan fungerer det
Trinnene kører altid i samme rækkefølge: fjern HTML, fjern usynlige tegn, ret anførselstegn, erstat tabulatorer, fjern ekstra mellemrum, trim linjer, kollaps tomme linjer og til sidst fjern linjeskift. Windows- og ældre Mac-linjeskift konverteres først til standard linjeskift.
“Fjern HTML-tags” arbejder kun på teksten: HTML bliver aldrig gengivet eller kørt. Det sletter kommentarer og indholdet af script-, style-, template- og noscript-elementer, omdanner <br> og slutningen af afsnit, listeelementer, overskrifter og tabelrækker til linjeskift, fjerner alle andre tags og dekoder derefter numeriske entiteter og almindelige navngivne (&, <, >, ", , — og andre). Et mindre-end-tegn efterfulgt direkte af et bogstav, som i “a<b”, ligner et tag og kan blive fjernet sammen med det efterfølgende indhold indtil det næste “>”.
“Fjern usynlige tegn” sletter nulbredde-mellemrum (U+200B), ordjoinere, byte order marks (U+FEFF), bløde bindestreger, venstre-til-højre- og højre-til-venstre-mærker og -indlejringer samt kontroltegn bortset fra tabulator og linjeskift. Disse kommer ofte med tekst kopieret fra websites, chat-apps og PDF-filer og kan ødelægge søgninger, kode og regnearksformler. Nulbredde-joiner og non-joiner bevares, fordi familie- og professionsemoji og flere skriftsystemer som persisk og hindi har brug for dem.
“Fjern ekstra mellemrum” omdanner hver sekvens af mellemrum, tabulatorer og ikke-brydende mellemrum til ét normalt mellemrum, men lader linjeskift være. “Fjern linjeskift” samler alle linjer til ét afsnit, hvilket reparerer tekst kopieret fra PDF-filer, hvor hver linje ender med et hårdt linjeskift; med “Behold afsnitsskift” slået til, adskiller tomme linjer stadig afsnit. Ord, der er delt med bindestreg i slutningen af en linje, sættes ikke sammen igen. Guillemets (« ») og primtegn ændres ikke af anførselstegnsfunktionen.
Eksempler
Tekst kopieret fra en PDF
Et afsnit fra en PDF ankommer med et linjeskift efter hver 70 tegn. “Fjern linjeskift” med “Behold afsnitsskift” gør det tilbage til flydende afsnit, som du kan indsætte i et dokument.
En værdi, der ikke matcher
En produktkode kopieret fra et website fejler et regnearksopslag, fordi den indeholder et nulbredde-mellemrum. “Fjern usynlige tegn” sletter det, og opslaget virker.
Ren tekst fra HTML
Med “Fjern HTML-tags” slået til bliver “<p>Pris: 10 €</p><script>track()</script>” til “Pris: 10 €”: scriptet fjernes med sit indhold, entiteterne dekodes, og det ikke-brydende mellemrum bliver til et normalt mellemrum.
Ofte stillede spørgsmål
Er det sikkert at indsætte HTML fra et ukendt websted?
Ja. HTML'en behandles som almindelig tekst med mønstergenkendelse og vises i et tekstfelt. Den indsættes aldrig i siden, så scripts i den kan ikke køre.
Hvad er nulbreddetegn, og hvorfor fjerne dem?
Det er tegn uden synlig bredde, f.eks. nulbredde-mellemrum og byte order mark. De er usynlige på skærmen, men gør to ens udseende ord forskellige, hvilket ødelægger søgninger, dubletkontrol og kode.
Hvorfor beholdes nogle emoji-joinere?
Emoji som 👨👩👧 består af flere emoji forbundet med zero-width joiner, og persisk og nogle indiske skriftsprog bruger zero-width non-joiner til at forme ord. Hvis man fjernede dem, ville teksten se anderledes ud, så de bevares.
Retter det ord, der er delt med en bindestreg i slutningen af en linje?
Nej. En bindestreg i slutningen af en linje kan høre til ordet (som i “well-known”) eller kun markere en orddeling, og værktøjet kan ikke se forskel, så bindestregerne efterlades som de er.
Privatliv
Rensningen sker kun i din browser. Teksten uploades ikke, gemmes ikke og indgår ikke i analyse.