Cum se folosește
- Lipiți textul în caseta de intrare.
- Bifați etapele de curățare dorite. Cele mai frecvente sunt deja activate.
- Verificați rezultatul în caseta de ieșire. Se actualizează de fiecare dată când schimbați o opțiune.
- Copiați textul curățat sau folosiți-l ca text de intrare pentru o nouă curățare.
Cum funcționează
Pașii rulează întotdeauna în aceeași ordine: elimină HTML, elimină caracterele invizibile, îndreptă ghilimelele, înlocuiește taburile, elimină spațiile suplimentare, taie liniile, restrânge liniile goale și, în final, elimină pauzele de linie. Terminațiile de linie Windows și Mac vechi sunt convertite mai întâi la avansuri de linie standard.
„Elimină etichetele HTML” lucrează doar pe text: HTML-ul nu este niciodată redat sau executat. Șterge comentariile și conținutul elementelor script, style, template și noscript, transformă <br> și sfârșitul paragrafelor, elementelor de listă, titlurilor și rândurilor de tabel în pauze de linie, elimină toate celelalte etichete și apoi decodează entitățile numerice și pe cele numite comune (&, <, >, ", , — și altele). Un semn mai mic decât urmat direct de o literă, ca în „a<b”, arată ca o etichetă și poate fi eliminat împreună cu ce urmează până la următorul „>”.
„Elimină caracterele invizibile” șterge spațiile de lățime zero (U+200B), conectorii de cuvânt, mărcile de ordine a octeților (U+FEFF), cratimele soft, marcajele de la stânga la dreapta și de la dreapta la stânga și încorporările, precum și caracterele de control altele decât tab și avansul de linie. Acestea ajung adesea cu text copiat de pe site-uri web, aplicații de chat și PDF-uri și pot strica căutările, codul și formulele din foi de calcul. Conectorul de lățime zero și non-conectorul sunt păstrate, deoarece emoji-urile de familie și profesie și mai multe scripturi, cum ar fi persana și hindi, au nevoie de ele.
„Elimină spațiile suplimentare” transformă fiecare șir de spații, taburi și spații non-breaking într-un singur spațiu normal, dar lasă pauzele de linie neatinse. „Elimină pauzele de linie” unește toate liniile într-un singur paragraf, ceea ce repară textul copiat din PDF-uri unde fiecare linie se termină cu o pauză forțată; cu „Păstrează pauzele de paragraf” activată, liniile goale separă în continuare paragrafele. Cuvintele despărțite cu cratimă la sfârșitul unei linii nu sunt reunite. Ghilimelele franțuzești (« ») și semnele prime nu sunt modificate de opțiunea pentru ghilimele.
Exemple
Text copiat dintr-un PDF
Un paragraf dintr-un PDF ajunge cu un capăt de rând după fiecare 70 de caractere. „Elimină întreruperile de linie” împreună cu „Păstrează pauzele dintre paragrafe” îl transformă înapoi în paragrafe fluide pe care le poți lipi într-un document.
O valoare care nu se potrivește
Un cod de produs copiat de pe un site nu se potrivește într-o căutare în foaia de calcul pentru că conține un spațiu de lățime zero. „Elimină caracterele invizibile” îl șterge, iar căutarea funcționează.
Text simplu din HTML
Cu „Elimină etichetele HTML” activat, „<p>Price: 10 €</p><script>track()</script>” devine „Price: 10 €”: scriptul este eliminat împreună cu conținutul său, entitățile sunt decodate, iar spațiul neîntrerupt devine un spațiu normal.
Întrebări frecvente
Este sigur să lipiți HTML de pe un site necunoscut?
Da. HTML-ul este procesat ca text simplu, prin potrivire de modele, și afișat într-o casetă de text. Nu este introdus niciodată în pagină, astfel că scripturile din el nu pot rula.
Ce sunt caracterele de lățime zero și de ce să le eliminăm?
Sunt caractere fără lățime vizibilă, precum spațiul de lățime zero și marcajul de ordine a octeților. Sunt invizibile pe ecran, dar fac ca două cuvinte identice vizual să fie diferite, ceea ce afectează căutările, verificarea duplicatelor și codul.
De ce sunt păstrate unele caractere de unire pentru emoji?
Emoji precum 👨👩👧 sunt mai multe emoji unite prin zero-width joiner, iar persana și unele scrieri indiene folosesc zero-width non-joiner pentru a forma cuvinte. Eliminarea lor ar schimba aspectul textului, așa că sunt păstrate.
Repară cuvintele despărțite printr-o cratimă la sfârșitul unui rând?
Nu. O cratimă de la sfârșitul unui rând poate face parte din cuvânt (ca în „bine-cunoscut”) sau poate marca doar o despărțire în interiorul unui cuvânt, iar instrumentul nu poate ști care este cazul, așa că liniuțele sunt lăsate neschimbate.
Confidențialitate
Curățarea are loc numai în browserul dvs. Textul nu este încărcat, stocat sau inclus în datele de analiză.