پرش به محتوا
Coverton وبلاگ
در این مقاله
اسناد و متن

چگونه کاراکترهای نامرئی را پشت مشکلات جستجوی متن بررسی کنیم

کاراکترهای نامرئی می توانند نام های کپی شده یا کدها را به جستجوی شکست ناپذیر در حالی که به نظر می رسد یکسان انجام دهند. قبل از تصمیم گیری در مورد کدام پاکسازی مناسب برای متن و زبان آن است، موقعیت های مشخص خود را بررسی کنید.

ابزار را باز کنیدنحوه استفاده از این ابزار ↓
شخصیت های نامرئی
این تصویر روند کار ابزار را نشان می‌دهد؛ نتیجهٔ پردازش یک فایل بارگذاری‌شده نیست.

نحوه استفاده از این ابزار

  1. متن مربوطه را وارد کنید یا فایل آن را اضافه کنید.
  2. بازرسی را با حذف معلول انجام دهید.
  3. موقعیت ها را بررسی کنید، سپس در صورت لزوم با حذف رها کنید.
  4. گزارش و متن حاصل از آن را دانلود کنید.

تنظیمات مناسب را انتخاب کنید

اجازه حذف حذف حذف U+200B و BOM فقط، به جای هر کاراکتر کنترل و یا فضای شامل در گزارش بازرسی.

ورودی پشتیبانی شده
  • TXT,MD
تنظیمات موجود
  • حذف فقط U+200B و BOM

پیش از شروع

انتخاب منبع بر پایهٔ محتوا و نوع نتیجه

قالب واقعی و متنی یا تصویری بودن محتوا را بررسی کنید. پسوند به‌تنهایی پشتیبانی را ثابت نمی‌کند؛ HWPX با HWP قدیمی فرق دارد. اگر جای نوشته، تصویر یا چیدمان لازم است، نسخهٔ رسمی اصلی را نگه دارید. مشخص کنید کار، متن، کپی با نام تازه یا گزارش می‌دهد و دریافت‌کننده به کدام نیاز دارد.

هنگام پاک‌سازی متن، نقش شکست خط، خط خالی و فاصله را بررسی کنید. پیوستن خط‌ها ممکن است شعر، فهرست یا جدول را خراب کند. نرمال‌سازی Unicode گونه‌های مختلف دارد؛ گونهٔ سازگاری می‌تواند نمادها را تغییر دهد. نام و کد را بعد از تغییر ببینید و انتخاب‌های پاک‌سازی را برای توضیح نتیجه ثبت کنید.

گزارش بررسی، یافته‌ها را حذف نمی‌کند. فایل‌های شبیه از نظر ظاهر، لزوماً بایت‌های یکسان ندارند، و تغییر نام دسته‌ای کپی‌ها و نگاشت نام تولید می‌کند. متن ساده برای پردازش متن مفید است، اما وقتی چیدمان جزئی از سند رسمی است جای نسخهٔ اصلی را نمی‌گیرد.

بررسی قابلیت استفادهٔ محتوا پس از پردازش

متن خروجی را با عنوان‌ها، جدول‌ها و کادرهای متن منبع مقایسه کنید. ترتیب استخراج ممکن است با جای ظاهری فرق کند. استخراج متن ساده، نوشتهٔ داخل تصویر را نمی‌خواند یا صدا را خودکار پیاده نمی‌کند. برای چیدمان دقیق، منبع را در ویرایشگر اصلی ببینید و نام، عدد و کد را در برنامهٔ دریافت‌کننده امتحان کنید.

اگر گزارش نویسهٔ پنهان دارید، جای آن و کد نویسه را بررسی کنید؛ حذف فقط مجموعهٔ مشخص‌شده را پوشش می‌دهد. گزارش خالی حریم خصوصی، گواهی نبود اطلاعات حساس نیست. ابتدا، میانه، انتها و بخش‌های متفاوت سند را ببینید؛ درست‌بودن یک بند، کامل‌بودن جدول یا کادر متن را ثابت نمی‌کند.

در صورت شکست، رمزگذاری حفاظتی، DRM، محافظت و گونهٔ قالب را بررسی کنید. نرمال‌سازی Unicode رمزگشایی غلط را اصلاح نمی‌کند. ابتدا کدگذاری منبع را درست کنید و بعد نویسه‌های عجیب و محتوای کم‌شده را بررسی کنید. اگر بخشی کم است، جای آن در اصل و محدودیت کار را پیش از استفاده از متن نتیجه پیدا کنید.

نمونه ورودی و خروجی

متن با کاراکترهای نامرئی → موقعیت/نقطه کد گزارش

مثال‌ها روند کار را توضیح می‌دهند. نتیجه به فایل منبع و تنظیمات بستگی دارد.

قبل از ذخیره نتیجه را بررسی کنید

موقعیت های خط و ستون را در منبع مشخص کنید و هر نقطه کد را بررسی کنید متن پاک شده را در جعبه جستجو یا میدان ورودی واقعی بررسی کنید تا بررسی شود که آیا مشکل اصلی حل شده است یا خیر.

اگر نتیجه با آنچه انتظار داشتید متفاوت باشد

کاراکترهای باقی مانده پس از حذف ممکن است خارج از تنظیم حذف پشتیبانی شده به جای یک خطا باشد کنترل های جهت یا فضاهای بدون شکستن ممکن است استفاده های عمدی داشته باشند، بنابراین زبان منبع را بررسی کنید و قبل از تغییر آنها به صورت جداگانه فرمت کنید.

محدودیت‌هایی که باید در نظر داشت

  • خط گزارش، موقعیت و نقطه کد. حذف اختیاری فقط U+200B و BOM را تحت تاثیر قرار می دهد.

ادامهٔ کار با ابزارهای مرتبط

DOCX را به متن تبدیل کنید

استخراج DOCX متن بدن و پشتیبانی از عنوان ها یا پاها هنگامی که شما نیاز به بررسی ویرایش. نتایج TXT هیچ فونت و یا طرح صفحه را تکرار نمی کند، بنابراین محتوای آن را به طور جداگانه از ظاهر چاپ شده از سند مقایسه کنید.

خطوط سفید، جداسازی یک خط یا شاخص های بخش را برای قطعات استخراج شده انتخاب کنید. این شاخص ها بخش های استخراج شده را توصیف می کنند و شماره صفحات چاپ شده فیزیکی DOCX را بازسازی نمی کنند.

ابزار را باز کنید

PPTX را به متن تبدیل کنید

یک عصاره TXT برای بررسی ویرایش یک اسلاید ارائه از طریق اسلاید مفید است. فرض نکنید که ردیف استخراج شده با قرار دادن بصری بر روی قفس مطابقت دارد؛ بررسی کنید که چگونه عنوان ها و توضیحات در خروجی متصل می شوند.

گزینه Slide-marker را انتخاب کنید تا یک برچسب SLIDE را به هر بخش استخراج شده اضافه کنید.در صورتی که این برچسب ها برای متن که ویرایش می کنید غیر ضروری باشند، از یک خط خالی یا یک خط جداگانه استفاده کنید.

ابزار را باز کنید
Covertonشخصیت های نامرئی
ابزار را باز کنید

این راهنما ابزار مرورگر عمومی را توضیح می دهد. یک کپی از اصل را نگه دارید و نتیجه را قبل از به اشتراک گذاشتن بررسی کنید.

این ترجمه با کمک نرم افزار تهیه شده است. همچنین می توانید نسخه انگلیسی آن را بخوانید. به انگلیسی بخوانید