Lumaktaw sa nilalaman
Coverton Blog
Sa artikulong ito
Mga dokumento at teksto

Paano kunin ang DOCX body text, header at footer

Magagamit ang TXT para sa pagsusuri ng body at supported header at footer. Hindi nito ginagaya ang font o page layout; ihambing nang hiwalay ang nilalaman at printed appearance.

Buksan ang toolPaano gamitin ang tool na ito ↓
I-convert ang DOCX sa Text
Ilustrasyon ng daloy ng trabaho ng tool; hindi ito resulta ng isang na-upload na file.

Paano gamitin ang tool na ito

  1. Pumili ng mga file sa DOCX na format. Mga maximum na file bawat batch: 1.
  2. Suriin ang Panghiwalay ng dokumento, pagkatapos ay simulan ang pagproseso.
  3. I-download ang resulta ng TXT at suriin ang nilalaman at kalidad nito.

Piliin ang mga tamang setting

Piliin ang blank line, single-line separator o section marker. Hindi katumbas ng physical printed page number ang extracted section marker.

Sinusuportahang input
  • DOCX
Output
  • TXT
Mga available na setting
  • Panghiwalay ng dokumento

Bago magsimula

Piliin ang pinagmulan ayon sa nilalaman at uri ng resulta

Suriin ang aktuwal na format at kung teksto o larawan ang nilalaman. Hindi sapat ang extension upang patunayang sinusuportahan ang file; iba ang HWPX sa lumang HWP. Itabi ang opisyal na orihinal kung kailangan ang puwesto ng teksto, ilustrasyon o layout. Alamin kung teksto, kopyang may bagong pangalan o ulat ang ibinibigay ng gawain.

Sa paglilinis ng teksto, unawain ang gamit ng paghahati ng linya, bakanteng linya at espasyo. Maaaring masira ang tula, listahan o talahanayan kapag pinagsama ang mga linya. Magkakaiba rin ang anyo ng Unicode normalization; maaaring magbago ang simbolo sa anyong para sa pagtutugma. Suriin ang pangalan at code pagkatapos. Hindi binubura ng ulat ang natuklasan, hindi laging magkapareho sa byte ang magkamukhang file, at mga kopya at pagtutugma ng pangalan ang resulta ng batch rename.

Suriin kung magagamit nang tama ang naprosesong nilalaman

Ihambing ang tekstong resulta sa mga heading, talahanayan at text box sa pinagmulan. Maaaring iba ang pagkakasunod sa extraction kaysa sa nakikitang puwesto. Hindi awtomatikong binabasa ng pagkuha ng karaniwang teksto ang teksto sa larawan o tinatranskriba ang audio. Para sa eksaktong layout, tingnan din ang pinagmulan sa orihinal na editor. Subukan ang pangalan, numero at code sa programang tatanggap.

Kung may ulat ng nakatagong character, suriin ang posisyon at character code; ang tinukoy na set lamang ang saklaw ng pag-alis. Hindi sertipiko ng kawalan ng sensitibong impormasyon ang walang-lamang ulat ng privacy. Kapag nabigo, suriin ang encryption, DRM, proteksiyon at variant ng format. Hindi inaayos ng Unicode normalization ang maling pag-decode. Ayusin muna ang encoding ng pinagmulan at saka suriin ang kakaibang character at nawawalang nilalaman.

Halimbawa ng input at output

document.docx → extracted text.txt

Inilalarawan ng mga halimbawa ang daloy ng trabaho. Ang mga resulta ay nakasalalay sa pinagmulang file at mga setting.

Suriin ang resulta bago ka mag-save

Suriin ang simula at dulo ng body at kailangang header at footer. Ihambing ang table value at pinagdugtong na paragraph kung nauunawaan pa nang walang layout.

Kung ang resulta ay iba sa iyong inaasahan

Hindi lubos na kasama ang image text, embedded object at tracked change. Unsupported ang encrypted DOCX; kailangan ang source kung mahalaga ang formatting o page construction.

Mga limitasyon na dapat tandaan

  • Kinukuha ang teksto, hindi ang orihinal na layout ng pahina. Ang mga larawan, pag-format, at mga naka-embed na bagay ay hindi pinapanatili. Ang OCR ay hindi naisakatuparan.
  • Sa mga dokumento ng Word, binabasa ang mga seksyon ng teksto mula sa pakete ng dokumento. Suriin ang mga talahanayan at mga patlang ng teksto sa resulta; hindi pinagtibay ang kanilang visual arrangement. Ang mga lumang binary .doc na file ay hindi suportado.

Piliin ang susunod na gawain

I-convert ang PPTX sa Text

Maaaring suriin ang teksto slide by slide sa TXT. Hindi awtomatikong tugma sa visual placement ang sequence; suriin ang pagkakadugtong ng title at paliwanag.

Piliin ang slide-marker mode upang magdagdag ng SLIDE label sa bawat section. Gamitin ang blank line o single-line separation kung hindi kailangan ang label.

Buksan ang tool

I-convert ang ODT sa Text

Gawing TXT ang supported text para sa ibang editor. Plain text ang table at paragraph; tiyaking may kahulugan pa ang value nang walang orihinal na ayos.

Piliin ang blank line, single-line separation o section marker. Hindi nangangahulugang katumbas ng physical printed page ang mga section.

Buksan ang tool
CovertonI-convert ang DOCX sa Text
Buksan ang tool

Ipinaliliwanag ng gabay ang tool na magagamit sa browser. Itabi ang orihinal na file at suriin ang resulta bago ibahagi.

Ang pagsasaling ito ay inihanda sa tulong ng software. Maaari mo ring basahin ang Ingles na bersyon. Basahin sa Ingles