Coverton BlogiPoimi ja puhdista teksti DOCX, HWPX ja kopioiduista asiakirjoista
Asiakirjan tallentaminen nimellä TXT tekee sen sanoista uudelleenkäytettäviä, mutta ei säilytä alkuperäistä sivun asettelua tai muotoilua. Valitse työkalu malleille DOCX, PPTX, ODT, EPUB, HWPX tai RTF ja vertaa sitten tärkeää tekstiä lähteeseen.
Käytä ilmaista työkalua →Tarkista ensin korealainen asiakirjamuoto
HWPX-lukija käsittelee tuetut kappaleet, taulukot ja kuvat. Vanhaa HWP:tä ei tueta, eikä lukija toista alkuperäisiä fontteja, muotoja, yhtälöitä tai sivutusta. Säilytä lähetyksen alkuperäinen ja käytä TXT-tulosta tekstin uudelleenkäyttöön.
Puhdista rivinvaihdot ja näkymätön merkit huolellisesti
Kopioitu-PDF-siivous yhdistää sisäiset rivinvaihdot ja säilyttää tyhjät rivillä erotetut kappaleet. Tarkista taulukot, runot ja luettelot lähdettä vastaan. Valinnainen näkymättömien merkkien poisto vaikuttaa vain U+200B- ja BOM-malleihin. NFKC ja NFKD normalisointi muuttaa myös yhteensopivuusmerkkejä.
Muuntaminen on eri asia kuin yksityisyyden tarkastus
Markdown-HTML muuntaa asiakirjan merkinnät; HTML-to-TXT hylkää tunnisteet ja asettelun. Office-tarkastaja raportoi tekijätiedot, kommentit, piilotetut taulukot ja ulkoisten linkkien jäljet. Pelkkä raportti ei tarkoita, että kyseiset kohteet olisi poistettu tiedostosta.
Valitse oikea työkalu
Esimerkkisyötteet havainnollistavat työnkulkua; ne eivät lupaa tiettyä tiedostokokoa, tunnistustarkkuutta tai yhteensopivuutta.
Muunna DOCX muotoon Teksti
Poimi tekstiä hakua tai järjestämistä varten. TXT-kopio ei toista asiakirjan asettelua tai kuvia.
Esimerkki
document.docx → purettu teksti.txt- Valitse tiedostot muodossa DOCX. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista Taulukon sarakkeiden erotin ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
Teksti poimitaan, ei alkuperäinen sivuasettelu. Kuvia, muotoilua ja upotettuja objekteja ei säilytetä. Tekstintunnistusta ei suoriteta.
Word-asiakirjoissa tekstin osia luetaan asiakirjapaketista. Tarkista tuloksen taulukot ja tekstikentät; niiden visuaalista järjestelyä ei ole hyväksytty. Vanhoja binaarisia .doc-tiedostoja ei tueta.
Muunna PPTX muotoon Teksti
Kerää dian tekstiä toimivaksi transkriptioksi. Valitse erotin ja tarkista poimintajärjestys.
Esimerkki
slides.pptx → dioilla erotettu teksti.txt- Valitse tiedostot muodossa PPTX. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista Taulukon sarakkeiden erotin ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
Lukujärjestys voi poiketa tekstikenttien näkyvästä sijainnista. Kuvia ja puhuttua sisältöä ei litteroida.
Muunna ODT muotoon Teksti
Pura pelkkää tekstiä OpenDocument-tiedostosta. Taulukot, fontit ja sivutus eivät säily TXT:ssä.
Esimerkki
document.odt → purettu text.txt- Valitse tiedostot muodossa ODT. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista Taulukon sarakkeiden erotin ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
Teksti poimitaan, ei alkuperäinen sivuasettelu. Kuvia, muotoilua ja upotettuja objekteja ei säilytetä. Tekstintunnistusta ei suoriteta.
OpenDocument tallentaa tekstin ja tyylit erikseen. TXT-tuloste ei käytä malleja, sarakkeita tai sivunvaihtoja kiinteänä asetteluna. Tarkista luettelot ja taulukot viennin jälkeen.
Muunna EPUB muotoon Teksti
Kerää tekstiä tuetuista EPUB-levyistä henkilökohtaisia työnkulkuja varten. Tarkista suojattujen kirjojen ja monimutkaisten lukuasettelujen tuki.
Esimerkki
book.epub → pelkkä teksti.txt- Valitse tiedostot muodossa EPUB. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista Taulukon sarakkeiden erotin ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
DRM-suojattuja kirjoja ei tueta. Navigointi, typografia ja kuvat ovat kadonneet TXT:ssä.
Muunna HWPX muotoon Teksti
Pura tekstiä HWPX:stä. Vanha HWP ja alkuperäisen muokkausasettelun tarkka toisto edellyttävät muita työnkulkuja.
Esimerkki
document.hwpx → osio text.txt- Valitse tiedostot muodossa HWPX. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista Taulukon sarakkeiden erotin ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
HWPX ja vanhempi binääri HWP ovat eri muotoja. Tiedostot, joissa on .hwp, eivät avaudu.
Muunna RTF muotoon Teksti
Poista tuettu RTF-ohjausmuotoilu tekstikopiosta. Vertaa erikoismerkkejä ja taulukoita lähteeseen.
Esimerkki
document.rtf → pelkkä teksti.txt- Valitse tiedostot muodossa RTF. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista syöttömuoto ja tiedostojärjestys ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
Teksti poimitaan, ei alkuperäinen sivuasettelu. Kuvia, muotoilua ja upotettuja objekteja ei säilytetä. Tekstintunnistusta ei suoriteta.
Rich text sisältää ohjaussanoja muotoilua ja merkkikoodausta varten. Nämä poistetaan tai arvioidaan tekstin viennin aikana. Tarkista tuloksesta erikoismerkit ja vanhemmat koodisivut; upotettuja kuvia ei pureta.
Muunna MARKDOWN muotoon HTML
Vie Markdown-kirjoitus HTML-muodossa. Tarkista, kuinka tuetut otsikot, luettelot ja kappaleet näkyvät.
Esimerkki
# Otsikko + kappaleet → document.html- Valitse tiedostot muodossa MD, MARKDOWN. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista HTML-dokumenttityyli, Avaa linkit uudessa välilehdessä ja aloita sitten käsittely.
- Lataa HTML tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
Rajoitettu Markdown-syntaksi on tuettu. Monimutkaisia taulukoita, monirivisiä soluja, laajennuksia ja komentosarjoja ei oteta täysin käyttöön.
Muunna HTML muotoon Teksti
Pura tekstiä HTML-tiedostosta. Tämä ei käy URL-osoitteessa kaapatakseen toimivan verkkosivuston.
Esimerkki
saved-page.html → luettava teksti.txt- Valitse tiedostot muodossa HTML, HTM. Tiedostojen enimmäismäärä erää kohti: 1.
- Tarkista syöttömuoto ja tiedostojärjestys ja aloita sitten käsittely.
- Lataa TXT tulos ja tarkista sen sisältö ja laatu.
Mitä tarkistaa
JavaScriptin kautta uudelleenladattua sisältöä ei haeta tai suoriteta. CSS-asettelua ei säilytetä.
Lue HWPX
Lue tuetut HWPX-kappaleet, taulukot ja kuvat ja pura tekstiä. Vanhaa HWP:tä ja tarkkaa asettelun muokkausta ei tueta.
Esimerkki
document.hwpx → tuettu sisällön esikatselu + TXTAvaa työkalu →Puhdas tekstilista
Puhdista tyhjät kohdat, kaksoiskappaleet ja välilyönnit yksi kohde riviä kohden. Lajittele vain, kun tilausta on tarkoitus muuttaa.
Esimerkki
toistuvat rivikohdat → puhdistettu riviluetteloAvaa työkalu →Unicode-normalisointi
Normalisoi eri tavoin koostettu Unicode, mukaan lukien hajautettu korealainen teksti. Yhteensopivuuden normalisointi voi muuttaa merkkejä.
Esimerkki
hajautettu teksti + NFC → koottu tekstiAvaa työkalu →Näkymättömät hahmot
Tarkista kopioitu teksti näkymättömien merkkien varalta ja tarkista paikat ja koodipisteet ennen poistamista.
Esimerkki
teksti näkymättömillä merkeillä → sijainti/koodipisteraporttiAvaa työkalu →Poista rivinvaihdot
Liity ei-toivottuihin rivinvaihtoihin kopioidussa proosassa. Taulukot, runot ja luettelot voivat riippua tahallisista rivinvaihdoista.
Esimerkki
kääritty proosa + tyhjät kappaleet → yhdistetyt kappaleetAvaa työkalu →Tarkista Office-tiedostojen piilotetut tiedot
Tarkista tekijän metatiedot, kommentit ja piilotetun sisällön jäljet ennen Office-tiedostojen jakamista ja muokkaa niitä sitten lähdesovelluksessa.
Esimerkki
Office-tiedosto → piilotettujen tietojen tarkastusraporttiAvaa työkalu →Tässä oppaassa kuvataan julkiset verkkotyökalut ja niiden tukirajoitukset. Säilytä alkuperäinen ja tarkista ladattu tulos. Coverton · Korjaukset ja yhteydenotot
Tämä käännös on laadittu ohjelmiston avulla. Voit lukea myös englanninkielisen version. Lue englanniksi