Mode d’emploi
- Collez votre texte dans le champ de saisie.
- Cochez les étapes de nettoyage souhaitées. Les plus courantes sont déjà activées.
- Vérifiez le résultat dans le champ de sortie. Il est mis à jour à chaque changement d’option.
- Copiez le texte nettoyé ou réutilisez-le comme nouvelle entrée pour le nettoyer à nouveau.
Fonctionnement
Les étapes sont toujours exécutées dans le même ordre : supprimer le HTML, retirer les caractères invisibles, remplacer les guillemets typographiques, remplacer les tabulations, supprimer les espaces superflus, supprimer les espaces en début et fin de ligne, réduire les lignes vides, puis supprimer les retours à la ligne. Les fins de ligne Windows et les anciens formats Mac sont d’abord convertis en retours à la ligne standard.
« Supprimer les balises HTML » agit uniquement sur le texte : le HTML n’est jamais rendu ni exécuté. Les commentaires ainsi que le contenu des éléments script, style, template et noscript sont supprimés. <br> et la fin des paragraphes, des éléments de liste, des titres et des lignes de tableau sont convertis en retours à la ligne. Toutes les autres balises sont supprimées, puis les entités numériques et les entités nommées courantes (&, <, >, ", , — et d’autres) sont décodées. Un signe inférieur suivi directement d’une lettre, comme dans « a<b », ressemble à une balise et peut être supprimé avec tout ce qui le suit jusqu’au prochain « > ».
« Supprimer les caractères invisibles » élimine les espaces sans chasse (U+200B), les caractères de liaison des mots, les marqueurs d’ordre des octets (U+FEFF), les traits d’union conditionnels, les marques et caractères d’isolation de gauche à droite et de droite à gauche, ainsi que les caractères de contrôle autres que la tabulation et le retour à la ligne. Ces caractères proviennent souvent de textes copiés depuis des sites Web, des applications de messagerie et des PDF ; ils peuvent perturber les recherches, le code et les formules de tableur. Le caractère de liaison sans chasse et le caractère de non-liaison sans chasse sont conservés, car les émojis de famille et de métier ainsi que plusieurs systèmes d’écriture, comme le persan et l’hindi, en ont besoin.
« Supprimer les espaces superflus » remplace chaque suite d’espaces, de tabulations et d’espaces insécables par une seule espace normale, sans toucher aux retours à la ligne. « Supprimer les retours à la ligne » rassemble toutes les lignes en un seul paragraphe. Cela répare les textes copiés depuis des PDF où chaque ligne se termine par un retour forcé ; si l’option « Conserver les sauts de paragraphe » est activée, les lignes vides continuent de séparer les paragraphes. Les mots coupés par un trait d’union en fin de ligne ne sont pas recollés. L’option de remplacement des guillemets ne modifie ni les guillemets français (« ») ni les signes prime.
Exemples
Texte copié depuis un PDF
Un paragraphe copié depuis un PDF comporte un retour à la ligne tous les 70 caractères. L’option « Supprimer les retours à la ligne », avec « Conserver les sauts de paragraphe », rétablit des paragraphes continus que vous pouvez coller dans un document.
Une valeur qui ne correspond pas
Un code produit copié depuis un site Web ne correspond pas à une recherche dans un tableur, car il contient un espace sans chasse. L’option « Supprimer les caractères invisibles » l’élimine et la recherche fonctionne.
Texte brut extrait du HTML
Lorsque l’option « Supprimer les balises HTML » est activée, « <p>Price: 10 €</p><script>track()</script> » devient « Price: 10 € » : le script est supprimé avec son contenu, les entités sont décodées et l’espace insécable devient une espace normale.
Foire aux questions
Peut-on coller sans risque du HTML provenant d’un site inconnu ?
Oui. Le HTML est traité comme du texte brut à l’aide de motifs et affiché dans une zone de texte. Il n’est jamais inséré dans la page, donc les scripts qu’il contient ne peuvent pas s’exécuter.
Que sont les caractères sans chasse et pourquoi les supprimer ?
Ce sont des caractères sans largeur visible, comme l’espace sans chasse et le marqueur d’ordre des octets. Ils sont invisibles à l’écran, mais rendent différents deux mots qui semblent identiques, ce qui perturbe les recherches, la détection des doublons et le code.
Pourquoi certains caractères de liaison des émojis sont-ils conservés ?
Certains émojis, comme 👨👩👧, sont composés de plusieurs émojis reliés par le caractère de liaison sans chasse. Le persan et certaines langues indiennes utilisent le caractère de non-liaison sans chasse pour façonner les mots. Les supprimer modifierait l’apparence du texte ; ils sont donc conservés.
L’outil répare-t-il les mots coupés par un trait d’union en fin de ligne ?
Non. Un trait d’union en fin de ligne peut faire partie du mot (comme dans « bien-être ») ou simplement indiquer une coupure au milieu d’un mot. L’outil ne peut pas savoir lequel des deux cas s’applique ; les traits d’union restent donc inchangés.
Confidentialité
Le nettoyage s’effectue uniquement dans votre navigateur. Le texte n’est ni envoyé, ni stocké, ni inclus dans les données d’analyse.