使い方

入力欄にテキストを貼り付けます。
使いたい整形処理にチェックを入れます。よく使われる処理は、あらかじめオンになっています。
出力欄で結果を確認します。オプションを変更すると、結果も更新されます。
整形したテキストをコピーするか、新しい入力として使って再度整形します。

仕組み

処理は常に同じ順序で実行されます。HTMLの除去、不可視文字の削除、引用符の整形、タブの置換、余分なスペースの削除、行頭・行末の空白の削除、空行の圧縮、最後に改行の削除です。Windows形式と旧Mac形式の改行コードは、最初に標準の改行に変換されます。

「HTMLタグを除去」はテキストに対してのみ処理されます。HTMLが表示されたり実行されたりすることはありません。コメントと、script、style、template、noscript要素の内容を削除し、<br>と段落、リスト項目、見出し、表の行の末尾を改行に変換します。その他のタグをすべて削除した後、数値文字参照と、よく使われる名前付き文字参照（&、<、>、"、 、—など）をデコードします。「a<b」のように、文字の直後にある不等号（<）はタグと判定され、その後に続く次の「>」までの部分が削除されることがあります。

「不可視文字を削除」は、ゼロ幅スペース（U+200B）、ワードジョイナー、バイト順マーク（U+FEFF）、ソフトハイフン、左から右・右から左へのマークと埋め込み、およびタブと改行以外の制御文字を削除します。これらはWebサイト、チャットアプリ、PDFからコピーしたテキストに含まれていることが多く、検索、コード、スプレッドシートの数式に不具合を起こすことがあります。ゼロ幅接合子とゼロ幅非接合子は、家族や職業を表す絵文字、一部のペルシア語やヒンディー語などの表記に必要なため、削除されません。

「余分なスペースを削除」は、連続するスペース、タブ、ノーブレークスペースを1つの通常のスペースに置き換えますが、改行はそのまま残します。「改行を削除」はすべての行を1つの段落につなげます。各行の末尾に強制改行が入ったPDF由来のテキストを整えるのに便利です。「段落の区切りを保持」をオンにすると、空行は段落の区切りとして残ります。行末でハイフンにより分割された単語はつなぎ直されません。引用符のオプションでは、ギュメ（« »）とプライム記号は変更されません。

使用例

PDFからコピーしたテキスト

PDFからコピーした段落では、70文字ごとに改行が入っていることがあります。「段落の区切りを保持」をオンにして「改行を削除」すると、文章が段落としてつながり、文書に貼り付けられるようになります。

一致しない値

Webサイトからコピーした商品コードにゼロ幅スペースが含まれていると、スプレッドシートの検索で一致しないことがあります。「不可視文字を削除」で取り除けば、検索できるようになります。

HTMLからプレーンテキストを抽出

「HTMLタグを除去」をオンにすると、「<p>Price: 10 €</p><script>track()</script>」は「Price: 10 €」になります。script要素は内容ごと削除され、文字参照はデコードされ、ノーブレークスペースは通常のスペースになります。

よくある質問

知らないWebサイトのHTMLを貼り付けても安全ですか？

はい。HTMLはパターンマッチングでプレーンテキストとして処理され、テキストボックスに表示されます。ページに挿入されることはないため、含まれるscriptが実行されることはありません。

ゼロ幅文字とは何ですか？削除する理由は？

ゼロ幅スペースやバイト順マークなど、画面上では幅が見えない文字です。目には見えませんが、見た目が同じ単語を別の文字列として扱わせるため、検索、重複チェック、コードに不具合を起こすことがあります。

一部の絵文字の接合子が削除されないのはなぜですか？

👨‍👩‍👧のような絵文字は、複数の絵文字をゼロ幅接合子でつないでいます。また、ペルシア語や一部のインド系文字では、単語の形を整えるためにゼロ幅非接合子を使います。削除するとテキストの見た目が変わるため、そのまま保持されます。

行末のハイフンで分割された単語を修正できますか？

いいえ。行末のハイフンは「well-known」のように単語の一部の場合もあれば、単語の途中で改行されたことを示すだけの場合もあります。ツールでは判別できないため、ハイフンはそのまま残します。

プライバシー

整形処理はブラウザー内でのみ実行されます。テキストがアップロード、保存されたり、アクセス解析に含まれたりすることはありません。