Slik bruker du det
- Lim inn teksten din i inndatafeltet.
- Huk av for oppryddingstrinnene du vil bruke. De vanligste er allerede slått på.
- Sjekk resultatet i utdatafeltet. Det oppdateres hver gang du endrer et alternativ.
- Kopier den rensede teksten, eller bruk den som ny inndata for å rense den på nytt.
Slik fungerer det
Trinnene kjøres alltid i samme rekkefølge: fjern HTML, fjern usynlige tegn, rett opp anførselstegn, erstatt tabulatorer, fjern ekstra mellomrom, trim linjer, slå sammen tomme linjer og til slutt fjern linjeskift. Windows- og gamle Mac-linjeskift konverteres først til standard linjeskift.
«Fjern HTML-tagger» arbeider bare med teksten: HTML-en blir aldri gjengitt eller kjørt. Det sletter kommentarer og innholdet i elementene script, style, template og noscript, gjør <br> og slutten av avsnitt, listeelementer, overskrifter og tabellrader om til linjeskift, fjerner alle andre tagger og dekoder deretter numeriske enheter og vanlige navngitte enheter (&, <, >, ", , — med flere). Et mindre-enn-tegn fulgt direkte av en bokstav, som i «a<b», ser ut som en tagg og kan bli fjernet sammen med det som følger frem til neste «>».
«Fjern usynlige tegn» sletter nullbredde-mellomrom (U+200B), ordsammenføyere, byte order marks (U+FEFF), myke bindestreker, venstre-til-høyre- og høyre-til-venstre-markører og -innleiringer, samt kontrolltegn utenom tabulator og linjeskift. Disse følger ofte med tekst som er kopiert fra nettsteder, chat-apper og PDF-er, og kan ødelegge søk, kode og regnearkformler. Nullbredde-sammenføyer og nullbredde-ikke-sammenføyer beholdes, fordi familie- og yrkesemoji og flere skriftsystemer som persisk og hindi trenger dem.
«Fjern ekstra mellomrom» gjør hver serie av mellomrom, tabulatorer og harde mellomrom om til ett vanlig mellomrom, men lar linjeskift stå urørt. «Fjern linjeskift» slår sammen alle linjer til ett avsnitt, noe som reparerer tekst kopiert fra PDF-er der hver linje ender med et hardt linjeskift; med «Behold avsnittsskift» på skiller tomme linjer fortsatt avsnitt. Ord som er delt med bindestrek ved slutten av en linje, settes ikke sammen igjen. Guillemets (« ») og primtegn endres ikke av alternativet for anførselstegn.
Eksempler
Tekst kopiert fra en PDF
Et avsnitt fra en PDF kommer med linjeskift etter hvert 70. tegn. «Fjern linjeskift» med «Behold avsnittsskift» gjør det om til sammenhengende avsnitt du kan lime inn i et dokument.
En verdi som ikke matcher
En produktkode kopiert fra et nettsted gir feil i et regnearkoppslag fordi den inneholder et nullbredde-mellomrom. «Fjern usynlige tegn» sletter det, og oppslaget fungerer.
Ren tekst fra HTML
Med «Fjern HTML-tagger» på blir «<p>Price: 10 €</p><script>track()</script>» til «Price: 10 €»: skriptet fjernes sammen med innholdet, tegnentitetene dekodes, og det harde mellomrommet blir et vanlig mellomrom.
Ofte stilte spørsmål
Er det trygt å lime inn HTML fra et ukjent nettsted?
Ja. HTML-en behandles som ren tekst med mønstergjenkjenning og vises i et tekstfelt. Den settes aldri inn på siden, så skript i den kan ikke kjøres.
Hva er nullbreddetegn, og hvorfor bør de fjernes?
Dette er tegn uten synlig bredde, som nullbredde-mellomrom og byte order mark. De er usynlige på skjermen, men gjør to tilsynelatende like ord forskjellige, noe som ødelegger søk, duplikatsjekker og kode.
Hvorfor beholdes enkelte emoji-sammenføyningstegn?
Emoji som 👨👩👧 er flere emoji satt sammen med zero-width joiner, og persisk og enkelte indiske skriftsystemer bruker zero-width non-joiner til å forme ord. Å fjerne dem ville endret hvordan teksten ser ut, så de beholdes.
Fikser den ord som er delt med bindestrek på slutten av en linje?
Nei. En bindestrek på slutten av en linje kan høre til ordet (som i «well-known») eller bare markere en orddeling inne i et ord, og verktøyet kan ikke vite hvilket, så bindestreker beholdes som de er.
Personvern
Rensingen skjer bare i nettleseren din. Teksten blir ikke lastet opp, lagret eller inkludert i analyser.