نحوه استفاده
- متن خود را در کادر ورودی بچسبانید.
- مراحل پاکسازی موردنظرتان را علامت بزنید. موارد رایج از قبل فعال هستند.
- نتیجه را در کادر خروجی بررسی کنید. با هر تغییر گزینه، نتیجه به‌روز می‌شود.
- متن پاک‌شده را کپی کنید یا آن را به‌عنوان ورودی جدید برای پاکسازی دوباره استفاده کنید.
نحوه کار
مراحل همیشه به همین ترتیب اجرا می‌شوند: حذف برچسب‌های HTML، حذف نویسه‌های نامرئی، صاف‌کردن علامت‌های نقل‌قول، جایگزینی تب‌ها، حذف فاصله‌های اضافه، حذف فاصله‌های ابتدا و انتهای خطوط، حذف خطوط خالی متوالی و در نهایت حذف شکست خط. ابتدا پایان خط ویندوز و مک قدیمی به خط استاندارد تبدیل می‌شود.
گزینهٔ «حذف برچسب‌های HTML» فقط روی متن کار می‌کند: HTML هرگز رندر یا اجرا نمی‌شود. این گزینه توضیحات و محتوای عناصر script، style، template و noscript را حذف می‌کند، <br> و پایان پاراگراف‌ها، آیتم‌های فهرست، عنوان‌ها و ردیف‌های جدول را به شکست خط تبدیل می‌کند، همهٔ برچسب‌های دیگر را حذف می‌کند و سپس موجودیت‌های عددی و نام‌دار رایج (&، <، >، "، ، — و غیره) را رمزگشایی می‌کند. علامت کوچک‌تر که بلافاصله بعد از آن یک حرف بیاید، مانند «a<b»، شبیه برچسب به نظر می‌رسد و ممکن است همراه با آنچه تا «>» بعدی می‌آید حذف شود.
«حذف نویسه‌های نامرئی» فاصله‌های بدون‌عرض (U+200B)، اتصال‌دهنده‌های کلمات، نشانه‌های ترتیب بایت (U+FEFF)، خط‌های نرم، نشانه‌های چپ‌به‌راست و راست‌به‌چپ و جاسازی‌ها و نویسه‌های کنترلی به‌جز تب و خط جدید را حذف می‌کند. این نویسه‌ها معمولاً همراه با متن کپی‌شده از وب‌سایت‌ها، برنامه‌های چت و فایل‌های PDF وارد می‌شوند و می‌توانند جستجو، کد و فرمول‌های صفحه‌گسترده را خراب کنند. اتصال‌دهنده و جداکنندهٔ بدون‌عرض حفظ می‌شوند، زیرا ایموجی‌های خانواده و شغل و چند خط مانند فارسی و هندی به آنها نیاز دارند.
«حذف فاصله‌های اضافه» هر دنباله از فاصله‌ها، تب‌ها و فاصله‌های بدون‌شکست را به یک فاصلهٔ معمولی تبدیل می‌کند، اما شکست خط‌ها را دست نمی‌زند. «حذف شکست خط» همهٔ خطوط را به یک پاراگراف متصل می‌کند، که متن کپی‌شده از PDF را که هر خط با شکست سخت پایان می‌یابد، ترمیم می‌کند؛ با فعال بودن «حفظ شکست پاراگراف‌ها»، خطوط خالی همچنان پاراگراف‌ها را جدا می‌کنند. کلماتی که در انتهای خط با خط تیره جدا شده‌اند دوباره به هم متصل نمی‌شوند. گیومه‌ها (« ») و علامت‌های اولیه با گزینهٔ نقل‌قول تغییر نمی‌کنند.
نمونه‌ها
متن کپی‌شده از PDF
یک پاراگراف از PDF با شکست خط بعد از هر ۷۰ نویسه می‌رسد. «حذف شکست خط» همراه با «حفظ شکست پاراگراف‌ها» آن را دوباره به پاراگراف‌های روانی تبدیل می‌کند که می‌توانید در سند بچسبانید.
مقداری که مطابقت نمی‌کند
یک کد محصول کپی‌شده از یک وب‌سایت، جستجوی صفحه‌گسترده را شکست می‌دهد زیرا حاوی یک فاصلهٔ بدون‌عرض است. «حذف نویسه‌های نامرئی» آن را حذف می‌کند و جستجو کار می‌کند.
متن ساده از HTML
با فعال بودن «حذف برچسب‌های HTML»، «<p>Price: 10 €</p><script>track()</script>» به «Price: 10 €» تبدیل می‌شود: اسکریپت همراه با محتوایش حذف می‌شود، موجودیت‌ها رمزگشایی می‌شوند و فاصلهٔ بدون‌شکست به فاصلهٔ معمولی تبدیل می‌شود.
پرسش‌های متداول
آیا چسباندن HTML از یک وب‌سایت ناشناس امن است؟
بله. HTML به‌صورت متن ساده با تطبیق الگو پردازش می‌شود و در یک جعبه متن نمایش داده می‌شود. هرگز در صفحه درج نمی‌شود، بنابراین اسکریپت‌های داخل آن اجرا نمی‌شوند.
نویسه‌های بدون پهنا چیستند و چرا باید حذف شوند؟
آنها نویسه‌هایی بدون پهنای دیداری هستند، مانند فاصله بدون پهنا و نشان ترتیب بایت. روی صفحه دیده نمی‌شوند اما دو واژه هم‌شکل را متفاوت می‌کنند و این موضوع جست‌وجو، بررسی موارد تکراری و کد را دچار مشکل می‌کند.
چرا برخی اتصال‌دهنده‌های ایموجی نگه داشته می‌شوند؟
ایموجی‌هایی مانند 👨👩👧 چند ایموجی هستند که با اتصال‌دهنده بدون پهنا به هم وصل شده‌اند و خط فارسی و برخی خطوط هندی برای شکل‌دهی واژه‌ها از نیم‌فاصله (جداکننده بدون پهنا) استفاده می‌کنند. حذف آنها ظاهر متن را تغییر می‌دهد، به همین دلیل نگه داشته می‌شوند.
آیا واژه‌هایی را که با خط تیره در انتهای خط شکسته شده‌اند اصلاح می‌کند؟
خیر. خط تیره در انتهای خط می‌تواند بخشی از واژه باشد (مانند «well-known») یا فقط نشانه‌ای برای شکستن واژه باشد و ابزار نمی‌تواند تشخیص دهد کدام مورد است؛ بنابراین خط تیره‌ها همان‌طور باقی می‌مانند.
حریم خصوصی
پاکسازی فقط در مرورگر شما انجام می‌شود. متن بارگذاری، ذخیره یا در تحلیل‌های آماری گنجانده نمی‌شود.