tigtools

Textbereiniger

Fügen Sie unformatierten Text aus einem PDF, einer Webseite oder einer E-Mail ein und wählen Sie die gewünschten Bereinigungsschritte aus. Das Ergebnis wird aktualisiert, sobald Sie die Optionen ändern.

Läuft in Ihrem Browser Keine Anmeldung erforderlich

Optionen

Anleitung

  1. Fügen Sie Ihren Text in das Eingabefeld ein.
  2. Wählen Sie die gewünschten Bereinigungsschritte aus. Die gängigsten sind bereits aktiviert.
  3. Prüfen Sie das Ergebnis im Ausgabefeld. Es wird bei jeder Änderung einer Option aktualisiert.
  4. Kopieren Sie den bereinigten Text oder verwenden Sie ihn als neue Eingabe, um ihn erneut zu bereinigen.

So funktioniert es

Die Schritte werden immer in derselben Reihenfolge ausgeführt: HTML entfernen, unsichtbare Zeichen entfernen, Anführungszeichen vereinheitlichen, Tabulatoren ersetzen, überflüssige Leerzeichen entfernen, Zeilen trimmen, Leerzeilen zusammenfassen und zuletzt Zeilenumbrüche entfernen. Zeilenumbrüche von Windows und älteren Mac-Systemen werden zuvor in normale Zeilenvorschübe umgewandelt.

„HTML-Tags entfernen“ bearbeitet nur den Text: Das HTML wird niemals gerendert oder ausgeführt. Kommentare sowie die Inhalte von script-, style-, template- und noscript-Elementen werden gelöscht. <br> und das Ende von Absätzen, Listenelementen, Überschriften und Tabellenzeilen werden in Zeilenumbrüche umgewandelt. Alle anderen Tags werden entfernt und anschließend numerische Entities sowie gängige benannte Entities (&amp;, &lt;, &gt;, &quot;, &nbsp;, &mdash; und weitere) decodiert. Ein Kleiner-als-Zeichen, auf das direkt ein Buchstabe folgt, wie in „a<b“, sieht wie ein Tag aus und kann zusammen mit dem nachfolgenden Text bis zum nächsten „>“ entfernt werden.

„Unsichtbare Zeichen entfernen“ löscht Leerzeichen mit Breite null (U+200B), Wortverbinder, Byte-Order-Marks (U+FEFF), bedingte Trennstriche, Links-nach-rechts- und Rechts-nach-links-Zeichen und -Einbettungen sowie Steuerzeichen außer Tabulatoren und Zeilenvorschüben. Solche Zeichen gelangen häufig über kopierten Text von Websites, Chat-Apps und PDFs in Ihre Texte und können Suchvorgänge, Code und Tabellenkalkulationsformeln stören. Der Zero-Width-Joiner und der Zero-Width-Non-Joiner bleiben erhalten, da sie für Familien- und Berufs-Emoji sowie mehrere Schriftsysteme wie Persisch und Hindi benötigt werden.

„Überflüssige Leerzeichen entfernen“ ersetzt Folgen aus Leerzeichen, Tabulatoren und geschützten Leerzeichen durch ein normales Leerzeichen, lässt Zeilenumbrüche aber unverändert. „Zeilenumbrüche entfernen“ fügt alle Zeilen zu einem Absatz zusammen. So lässt sich Text reparieren, der aus PDFs kopiert wurde und in dem jede Zeile mit einem harten Zeilenumbruch endet. Wenn „Absatzumbrüche beibehalten“ aktiviert ist, trennen Leerzeilen weiterhin die Absätze. Wörter, die am Zeilenende mit einem Bindestrich getrennt sind, werden nicht wieder zusammengefügt. Guillemets (« ») und Prime-Zeichen werden durch die Option für Anführungszeichen nicht verändert.

Beispiele

Text aus einem PDF kopiert

Ein Absatz aus einem PDF enthält nach jeweils 70 Zeichen einen Zeilenumbruch. „Zeilenumbrüche entfernen“ fügt die Zeilen wieder zu fließenden Absätzen zusammen, die Sie in ein Dokument einfügen können. Mit „Absatzumbrüche beibehalten“ bleiben die Absätze getrennt.

Ein Wert, der nicht gefunden wird

Ein von einer Website kopierter Produktcode wird bei einer Tabellensuche nicht gefunden, weil er ein Leerzeichen mit Breite null enthält. „Unsichtbare Zeichen entfernen“ löscht es, und die Suche funktioniert.

Klartext aus HTML

Wenn „HTML-Tags entfernen“ aktiviert ist, wird „<p>Price: 10&nbsp;&euro;</p><script>track()</script>“ zu „Price: 10 €“: Das script-Element und sein Inhalt werden entfernt, die Entities decodiert und das geschützte Leerzeichen in ein normales Leerzeichen umgewandelt.

Häufig gestellte Fragen

Kann ich HTML von einer unbekannten Website sicher einfügen?

Ja. Das HTML wird als Klartext mithilfe von Mustern verarbeitet und in einem Textfeld angezeigt. Es wird niemals in die Seite eingefügt, daher können darin enthaltene Skripte nicht ausgeführt werden.

Was sind Zeichen ohne Breite und warum sollte man sie entfernen?

Das sind Zeichen ohne sichtbare Breite, etwa das Leerzeichen mit Breite null und die Byte-Order-Mark. Sie sind auf dem Bildschirm unsichtbar, machen aber zwei gleich aussehende Wörter unterschiedlich. Dadurch können Suchvorgänge, Duplikatprüfungen und Code beeinträchtigt werden.

Warum bleiben manche Emoji-Verbindungszeichen erhalten?

Emoji wie 👨‍👩‍👧 bestehen aus mehreren Emoji, die durch den Zero-Width-Joiner verbunden sind. Persisch und einige indische Schriftsysteme verwenden den Zero-Width-Non-Joiner, um Wörter zu formen. Wenn man diese Zeichen entfernt, verändert sich das Schriftbild. Deshalb bleiben sie erhalten.

Fügt das Tool Wörter wieder zusammen, die am Zeilenende getrennt wurden?

Nein. Ein Bindestrich am Zeilenende kann zum Wort gehören (wie in „well-known“) oder nur eine Worttrennung markieren. Da das Tool nicht erkennen kann, was zutrifft, bleiben Bindestriche unverändert.

Datenschutz

Die Bereinigung erfolgt ausschließlich in Ihrem Browser. Der Text wird weder hochgeladen noch gespeichert oder in Analysen einbezogen.