Coverton ΙστολόγιοΕξαγωγή και καθαρισμός κειμένου από DOCX, HWPX και αντιγραμμένα έγγραφα
Η αποθήκευση ενός εγγράφου ως TXT κάνει τις λέξεις του επαναχρησιμοποιήσιμες, αλλά δεν διατηρεί την αρχική διάταξη ή μορφοποίηση της σελίδας. Επιλέξτε το εργαλείο για DOCX, PPTX, ODT, EPUB, HWPX ή RTF και, στη συνέχεια, συγκρίνετε σημαντικό κείμενο με την πηγή.
Χρησιμοποιήστε το δωρεάν εργαλείο →Ελέγξτε πρώτα τη μορφή του κορεατικού εγγράφου
Ο αναγνώστης HWPX χειρίζεται υποστηριζόμενες παραγράφους, πίνακες και εικόνες. Το Legacy HWP δεν υποστηρίζεται και ο αναγνώστης δεν αναπαράγει πρωτότυπες γραμματοσειρές, σχήματα, εξισώσεις ή σελιδοποίηση. Διατηρήστε το πρωτότυπο της υποβολής και χρησιμοποιήστε το αποτέλεσμα TXT για επαναχρησιμοποίηση κειμένου.
Καθαρίστε τις αλλαγές γραμμής και τους αόρατους χαρακτήρες προσεκτικά
Η εκκαθάριση Copied-PDF ενώνει τις εσωτερικές αλλαγές γραμμής διατηρώντας τις παραγράφους που χωρίζονται με κενές γραμμές. Ελέγξτε τους πίνακες, τα ποιήματα και τους καταλόγους με βάση την πηγή. Η προαιρετική αφαίρεση αόρατων χαρακτήρων επηρεάζει μόνο τα U+200B και BOM. Η κανονικοποίηση NFKC και NFKD αλλάζουν επίσης τους χαρακτήρες συμβατότητας.
Η μετατροπή διαφέρει από την επιθεώρηση απορρήτου
Το Markdown-σε-HTML μετατρέπει τη σήμανση εγγράφων. Το HTML-to-TXT απορρίπτει ετικέτες και διάταξη. Ο επιθεωρητής Office αναφέρει πληροφορίες συντάκτη, σχόλια, κρυφά φύλλα και ίχνη εξωτερικού συνδέσμου. Μια αναφορά από μόνη της δεν σημαίνει ότι αυτά τα στοιχεία έχουν αφαιρεθεί από το αρχείο.
Επιλέξτε το σωστό εργαλείο
Παραδείγματα εισόδων απεικονίζουν τη ροή εργασίας. δεν υπόσχονται συγκεκριμένο μέγεθος αρχείου, ακρίβεια αναγνώρισης ή συμβατότητα.
Μετατρέψτε το DOCX σε Κείμενο
Εξαγωγή κειμένου για αναζήτηση ή οργάνωση. Το αντίγραφο TXT δεν αναπαράγει διάταξη εγγράφου ή εικόνες.
Παράδειγμα
document.docx → εξαγόμενο κείμενο.txt- Επιλέξτε αρχεία σε μορφή DOCX. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Διαχωριστικό στήλης πίνακα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Εξάγεται κείμενο, όχι η αρχική διάταξη σελίδας. Οι εικόνες, η μορφοποίηση και τα ενσωματωμένα αντικείμενα δεν διατηρούνται. Το OCR δεν εκτελείται.
Με τα έγγραφα του Word, τα τμήματα του κειμένου διαβάζονται από το πακέτο εγγράφων. Ελέγξτε τους πίνακες και τα πεδία κειμένου στο αποτέλεσμα. η οπτική τους διάταξη δεν υιοθετείται. Τα παλιά δυαδικά αρχεία .doc δεν υποστηρίζονται.
Μετατρέψτε το PPTX σε Κείμενο
Συλλέξτε κείμενο διαφάνειας σε μια μεταγραφή εργασίας. Επιλέξτε ένα διαχωριστικό και ελέγξτε τη σειρά εξαγωγής.
Παράδειγμα
slides.pptx → κείμενο διαχωρισμένο με διαφάνειες.txt- Επιλέξτε αρχεία σε μορφή PPTX. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Διαχωριστικό στήλης πίνακα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Η σειρά ανάγνωσης μπορεί να διαφέρει από την ορατή θέση των πεδίων κειμένου. Οι εικόνες και το προφορικό περιεχόμενο δεν μεταγράφονται.
Μετατρέψτε το ODT σε Κείμενο
Εξαγωγή απλού κειμένου από ένα αρχείο OpenDocument. Οι πίνακες, οι γραμματοσειρές και η σελιδοποίηση δεν διατηρούνται στο TXT.
Παράδειγμα
document.odt → εξαγόμενο κείμενο.txt- Επιλέξτε αρχεία σε μορφή ODT. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Διαχωριστικό στήλης πίνακα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Εξάγεται κείμενο, όχι η αρχική διάταξη σελίδας. Οι εικόνες, η μορφοποίηση και τα ενσωματωμένα αντικείμενα δεν διατηρούνται. Το OCR δεν εκτελείται.
Το OpenDocument αποθηκεύει κείμενο και στυλ ξεχωριστά. Η έξοδος TXT δεν υιοθετεί πρότυπα, στήλες ή αλλαγές σελίδας ως σταθερή διάταξη. Ελέγξτε τις λίστες και τους πίνακες μετά την εξαγωγή.
Μετατρέψτε το EPUB σε Κείμενο
Συλλέξτε κείμενο από ένα υποστηριζόμενο EPUB για προσωπικές ροές εργασίας. Ελέγξτε την υποστήριξη για προστατευμένα βιβλία και περίπλοκες διατάξεις ανάγνωσης.
Παράδειγμα
book.epub → απλό κείμενο ανάγνωσης.txt- Επιλέξτε αρχεία σε μορφή EPUB. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Διαχωριστικό στήλης πίνακα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Τα βιβλία με προστασία DRM δεν υποστηρίζονται. Η πλοήγηση, η τυπογραφία και οι εικονογραφήσεις χάνονται στο TXT.
Μετατρέψτε το HWPX σε Κείμενο
Εξαγωγή κειμένου από το HWPX. Το HWP παλαιού τύπου και η ακριβής αναπαραγωγή της αρχικής διάταξης επεξεργασίας απαιτούν άλλες ροές εργασίας.
Παράδειγμα
έγγραφο.hwpx → κείμενο ενότητας.txt- Επιλέξτε αρχεία σε μορφή HWPX. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Διαχωριστικό στήλης πίνακα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Το HWPX και το παλαιότερο δυαδικό HWP είναι διαφορετικές μορφές. Τα αρχεία με .hwp δεν ανοίγουν.
Μετατρέψτε το RTF σε Κείμενο
Καταργήστε την υποστηριζόμενη μορφοποίηση ελέγχου RTF για ένα αντίγραφο κειμένου. Συγκρίνετε ειδικούς χαρακτήρες και πίνακες με την πηγή.
Παράδειγμα
document.rtf → απλό κείμενο.txt- Επιλέξτε αρχεία σε μορφή RTF. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε τη μορφή εισόδου και τη σειρά των αρχείων και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Εξάγεται κείμενο, όχι η αρχική διάταξη σελίδας. Οι εικόνες, η μορφοποίηση και τα ενσωματωμένα αντικείμενα δεν διατηρούνται. Το OCR δεν εκτελείται.
Το εμπλουτισμένο κείμενο περιέχει λέξεις ελέγχου για μορφοποίηση και κωδικοποίηση χαρακτήρων. Αυτά αφαιρούνται ή αξιολογούνται κατά την εξαγωγή κειμένου. Ελέγξτε τους ειδικούς χαρακτήρες και τις παλαιότερες κωδικοσελίδες στο αποτέλεσμα. Οι ενσωματωμένες εικόνες δεν εξάγονται.
Μετατρέψτε το MARKDOWN σε HTML
Εξαγωγή γραφής Markdown ως HTML. Ελέγξτε πώς αποδίδονται οι υποστηριζόμενες επικεφαλίδες, λίστες και παράγραφοι.
Παράδειγμα
# Επικεφαλίδα + παράγραφοι → document.html- Επιλέξτε αρχεία σε μορφή MD, MARKDOWN. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε το Στυλ εγγράφου HTML, Ανοίξτε συνδέσμους σε νέα καρτέλα και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα HTML και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Υποστηρίζεται περιορισμένη σύνταξη Markdown. Οι σύνθετοι πίνακες, τα κελιά πολλών σειρών, οι επεκτάσεις και τα σενάρια δεν υιοθετούνται πλήρως.
Μετατρέψτε το HTML σε Κείμενο
Εξαγωγή κειμένου από ένα αρχείο HTML. Αυτό δεν επισκέπτεται μια διεύθυνση URL για να εγγράψει έναν ζωντανό ιστότοπο.
Παράδειγμα
saved-page.html → αναγνώσιμο κείμενο.txt- Επιλέξτε αρχεία σε μορφή HTML, HTM. Μέγιστα αρχεία ανά παρτίδα: 1.
- Ελέγξτε τη μορφή εισόδου και τη σειρά των αρχείων και, στη συνέχεια, ξεκινήστε την επεξεργασία.
- Κατεβάστε το αποτέλεσμα TXT και ελέγξτε το περιεχόμενο και την ποιότητά του.
Τι να ελέγξετε
Το περιεχόμενο που φορτώνεται ξανά μέσω JavaScript δεν ανακτάται ούτε εκτελείται. Η διάταξη CSS δεν διατηρείται.
Διαβάστε το HWPX
Διαβάστε υποστηριζόμενες παραγράφους, πίνακες και εικόνες HWPX και εξάγετε κείμενο. Το HWP παλαιού τύπου και η ακριβής επεξεργασία διάταξης δεν υποστηρίζονται.
Παράδειγμα
document.hwpx → υποστηριζόμενη προεπισκόπηση περιεχομένου + TXTΑνοίξτε το εργαλείο →Καθαρίστε τη λίστα κειμένου
Καθαρίστε κενά, διπλότυπα και κενά σε λίστες ενός στοιχείου ανά γραμμή. Ταξινόμηση μόνο όταν προορίζεται αλλαγή σειράς.
Παράδειγμα
επαναλαμβανόμενα στοιχεία γραμμής → καθαρισμένη λίστα γραμμώνΑνοίξτε το εργαλείο →Κανονικοποίηση Unicode
Κανονικοποιήστε το Unicode με διαφορετική σύνθεση, συμπεριλαμβανομένου του αποσυντιθέμενου κορεατικού κειμένου. Η κανονικοποίηση συμβατότητας μπορεί να αλλάξει τους χαρακτήρες.
Παράδειγμα
αποσυντιθέμενο κείμενο + NFC → σύνθετο κείμενοΑνοίξτε το εργαλείο →Αόρατοι χαρακτήρες
Επιθεωρήστε το αντιγραμμένο κείμενο για αόρατους χαρακτήρες και ελέγξτε τις θέσεις και τα σημεία κώδικα πριν την αφαίρεση.
Παράδειγμα
κείμενο με αόρατους χαρακτήρες → αναφορά τοποθεσίας/κωδικού σημείουΑνοίξτε το εργαλείο →Αφαιρέστε τις διακοπές γραμμής
Συμμετάσχετε σε ανεπιθύμητες διακοπές γραμμής στην αντιγραμμένη πεζογραφία. Οι πίνακες, τα ποιήματα και οι λίστες μπορεί να εξαρτώνται από σκόπιμες αλλαγές γραμμής.
Παράδειγμα
τυλιγμένη πεζογραφία + κενές παράγραφοι → ενωμένες παράγραφοιΑνοίξτε το εργαλείο →Ελέγξτε τις κρυφές πληροφορίες στα αρχεία του Office
Επιθεωρήστε τα μεταδεδομένα συντάκτη, τα σχόλια και τα ίχνη κρυφού περιεχομένου πριν από την κοινή χρήση αρχείων του Office και, στη συνέχεια, επεξεργαστείτε τα στην εφαρμογή προέλευσης.
Παράδειγμα
Αρχείο Office → Έκθεση επιθεώρησης κρυφών πληροφοριώνΑνοίξτε το εργαλείο →Αυτός ο οδηγός περιγράφει τα δημόσια εργαλεία ιστού και τα όρια υποστήριξής τους. Διατηρήστε το πρωτότυπο και ελέγξτε το αποτέλεσμα που έχετε λάβει. Coverton · Διορθώσεις και επαφή
Αυτή η μετάφραση ετοιμάστηκε με τη βοήθεια λογισμικού. Μπορείτε επίσης να διαβάσετε την αγγλική έκδοση. Διαβάστε στα αγγλικά