Használata
- Illessze be a szöveget a beviteli mezőbe.
- Jelölje be a kívánt tisztítási lépéseket. A leggyakoribbak már be vannak kapcsolva.
- Ellenőrizze az eredményt a kimeneti mezőben. Minden beállítás módosításakor frissül.
- Másolja a tisztított szöveget, vagy használja új bemenetként egy újabb tisztításhoz.
Hogyan működik
A lépések mindig ugyanabban a sorrendben futnak le: HTML eltávolítása, láthatatlan karakterek eltávolítása, idézőjelek kiegyenesítése, tabulátorok cseréje, felesleges szóközök eltávolítása, sorok levágása, üres sorok összevonása, végül sortörések eltávolítása. Először a Windows és a régi Mac sortörések szabványos soremelésekké alakulnak.
A „HTML-címkék eltávolítása” csak a szövegen működik: a HTML soha nem jelenik meg és nem fut le. Törli a megjegyzéseket és a script, style, template és noscript elemek tartalmát, a <br> és a bekezdések, listaelemek, címsorok és táblázatsorok végét sortörésekké alakítja, eltávolítja az összes többi címkét, majd dekódolja a numerikus entitásokat és a gyakori nevesítetteket (&, <, >, ", , — és mások). A kisebb-jel, amelyet közvetlenül betű követ, mint az „a<b” esetében, címkének tűnik, és a következő „>” jelig mindennel együtt eltávolításra kerülhet.
A „Láthatatlan karakterek eltávolítása” törli a nulla szélességű szóközöket (U+200B), szóösszekötőket, bájt-sorrend jeleket (U+FEFF), puha elválasztójeleket, balról-jobbra és jobbról-balra jeleket és beágyazásokat, valamint a tabulátoron és soremelésen kívüli vezérlőkaraktereket. Ezek gyakran érkeznek webhelyekről, csevegőalkalmazásokból és PDF-ekből másolt szövegekkel, és megtörhetik a kereséseket, kódot és táblázatkezelő képleteket. A nulla szélességű összekötő és nem összekötő megmarad, mert a család- és foglalkozás-emoji, valamint számos írásrendszer, mint például a perzsa és a hindi, igényli őket.
A „Felesleges szóközök eltávolítása” minden szóköz-, tabulátor- és nem törő szóköz sorozatot egyetlen normál szóközzé alakít, de a sortöréseket érintetlenül hagyja. A „Sortörések eltávolítása” az összes sort egyetlen bekezdéssé egyesíti, ami javítja a PDF-ekből másolt szöveget, ahol minden sor kemény töréssel végződik; ha a „Bekezdéstörések megtartása” be van kapcsolva, az üres sorok továbbra is elválasztják a bekezdéseket. A sor végén elválasztott szavak nem kerülnek újra összeillesztésre. Az idézőjel opció nem változtatja meg a guillemeteket (« ») és a prímjeleket.
Példák
PDF-ből másolt szöveg
Egy PDF-ből származó bekezdés 70 karakterenként sortöréssel érkezik. A „Sortörések eltávolítása” a „Bekezdéstörések megtartása” beállítással folyamatos bekezdésekké alakítja vissza, amelyeket beilleszthet egy dokumentumba.
Nem egyező érték
Egy weboldalról másolt termékkód azért nem található meg a táblázatkezelőben, mert nulla szélességű szóközt tartalmaz. A „Láthatatlan karakterek eltávolítása” törli, és a keresés működni fog.
Egyszerű szöveg HTML-ből
A „HTML-címkék eltávolítása” bekapcsolásával a „<p>Price: 10 €</p><script>track()</script>” ebből lesz: „Price: 10 €”: a script a tartalmával együtt törlődik, az entitások dekódolódnak, a nem törhető szóköz pedig normál szóközzé válik.
Gyakori kérdések
Biztonságos, ha ismeretlen webhelyről származó HTML-t illeszt be?
Igen. A HTML-t egyszerű szövegként dolgozzuk fel mintakereséssel, és egy szövegdobozban jelenik meg. Soha nem kerül be az oldalba, így a benne lévő szkriptek nem futnak le.
Mik azok a nulla szélességű karakterek, és miért érdemes eltávolítani őket?
Olyan karakterek, amelyeknek nincs látható szélessége, például a nulla szélességű szóköz és a bájtsorrend-jel. A képernyőn láthatatlanok, de két azonosnak tűnő szót különbözővé tesznek, ami elrontja a keresést, az ismétlődés-ellenőrzést és a kódot.
Miért maradnak meg egyes emodzsi-összekötők?
Az olyan emodzsik, mint a 👨👩👧, több emodzsiból állnak, amelyeket a nulla szélességű összekötő köt össze, a perzsa és néhány indiai írás pedig a nulla szélességű elválasztót használja a szavak alakításához. Eltávolításuk megváltoztatná a szöveg kinézetét, ezért megtartjuk őket.
Javítja a sor végén kötőjellel elválasztott szavakat?
Nem. A sor végén lévő kötőjel tartozhat a szóhoz (például „jól ismert”), vagy csak egy szó belseji elválasztást jelöl, és az eszköz nem tudja eldönteni, melyikről van szó, ezért a kötőjeleket változatlanul hagyja.
Adatvédelem
A tisztítás kizárólag a böngészőjében történik. A szöveg nem kerül feltöltésre, nem tároljuk, és nem szerepel az elemzésekben.