Langkau ke kandungan
Coverton Blog
Dalam artikel ini
Dokumen dan teks

Cara mengekstrak teks HTML dan memeriksa kandungan halaman dinamik yang hilang

Mencipta TXT apabila anda perlu meninjau pengeditan yang disimpan dalam fail HTML. Alat ini tidak melawat URL atau menjalankan JavaScript, jadi teks badan yang diperlukan sebenarnya mesti hadir dalam sumber yang disimpan.

Buka alatCara menggunakan alat ini ↓
Tukar HTML kepada Teks
Ilustrasi aliran kerja alat ini; ini bukan hasil pemprosesan fail yang dimuat naik.

Cara menggunakan alat ini

  1. Pilih fail dalam format HTML, HTM. Fail maksimum setiap kelompok: 1.
  2. Semak format input dan susunan fail, kemudian mulakan pemprosesan.
  3. Muat turun keputusan TXT dan semak kandungan dan kualitinya.

Pilih tetapan yang sesuai

Pilih fail HTML tanpa pilihan tambahan. skrip dan gaya dikecualikan, yang bermaksud halaman yang badan yang dihasilkan hanya oleh JavaScript boleh kekurangan pengeditan yang anda harapkan untuk mengekstrak.

Input yang disokong
  • HTML, HTM
Output
  • TXT

Sebelum bermula

Pilih sumber mengikut kandungan dan jenis hasil

Semak format sebenar serta sama ada kandungan berupa teks atau imej. Sambungan fail sahaja tidak membuktikan format disokong; HWPX berbeza daripada HWP lama. Simpan dokumen rasmi asal jika kedudukan teks, ilustrasi atau susun atur masih diperlukan. Tentukan sama ada tugas menghasilkan teks, salinan bernama baharu atau laporan.

Dalam pembersihan teks, semak fungsi pemisah baris, baris kosong dan ruang. Menggabungkan baris boleh merosakkan puisi, senarai atau jadual. Penormalan Unicode juga mempunyai bentuk yang berbeza; penormalan keserasian boleh mengubah simbol. Semak nama dan kod selepas perubahan. Laporan pemeriksaan tidak memadam penemuan, fail serupa secara visual belum tentu sama bait, dan penamaan semula menghasilkan salinan serta pemetaan.

Semak kandungan yang boleh digunakan selepas pemprosesan

Bandingkan teks hasil dengan tajuk, jadual dan kotak teks dalam sumber. Urutan pengekstrakan mungkin berbeza daripada kedudukan visual. Pengekstrakan teks biasa tidak membaca tulisan dalam imej atau mentranskripsikan audio secara automatik. Jika susun atur tepat diperlukan, semak juga sumber dalam penyunting asal. Uji nama, nombor dan kod dalam program yang akan menerima hasil.

Jika terdapat laporan aksara tersembunyi, semak kedudukan serta kod aksara; pilihan pembuangan hanya meliputi set yang dinyatakan. Laporan privasi kosong bukan pengesahan bahawa fail bebas daripada maklumat sensitif. Jika gagal, periksa penyulitan, DRM, perlindungan dan variasi format. Penormalan Unicode tidak membaiki penyahkodan yang salah. Betulkan pengekodan sumber dahulu, kemudian semak aksara pelik dan kandungan yang tertinggal.

Contoh input dan output

html → boleh dibaca text.txt

Contoh menerangkan aliran kerja. Hasil bergantung pada fail sumber dan tetapan.

Semak hasil sebelum menyimpan

Perbandingan tajuk, perenggan dan senarai dengan asal. Cari navigasi atau pemberitahuan dicampur ke dalam badan dan secara berasingan meninjau sama ada anda juga memerlukan alamat pautan.

Jika hasilnya berbeza daripada apa yang anda jangkakan

Menulis di dalam imej, SVG atau canvas tidak dikeluarkan sebagai teks rata.Jika hasilnya kosong, semak HTML disimpan untuk kandungan badan dan sediakan teks yang diperlukan dari halaman asal secara berasingan.

Had yang perlu diingat

  • Kandungan yang dimuat semula melalui JavaScript tidak dapat diambil atau dilaksanakan. Reka letak CSS tidak dipelihara.

Pilih tugas seterusnya

Tukar DOCX kepada Teks

Mengekstrak teks badan DOCX dan tajuk atau kaki yang disokong apabila anda perlu meninjau pengeditan. hasil TXT tidak memainkan fon atau tataletak halaman, jadi bandingkan kandungan secara berasingan daripada penampilan cetak dokumen.

Pilih baris putih, pemisahan satu baris atau penanda bahagian untuk bahagian-bahagian yang dikeluarkan. penanda ini menggambarkan bahagian-bahagian yang dikeluarkan dan tidak mengembalikan nombor halaman percetakan fizikal DOCX.

Buka alat

Tukar PPTX kepada Teks

Ekstrak TXT berguna untuk meninjau pengeditan slide persembahan oleh slide.Jangan menganggap urutan yang dikeluarkan sepadan dengan penempatan visual pada kanvas; memeriksa bagaimana tajuk dan penjelasan berkaitan dalam output.

Pilih mod slide-marker untuk menambah label SLIDE kepada setiap bahagian yang dikeluarkan. Gunakan pemisahan baris kosong atau satu baris apabila label itu tidak perlu untuk teks yang anda akan mengedit.

Buka alat
CovertonTukar HTML kepada Teks
Buka alat

Panduan ini menerangkan alat yang tersedia untuk digunakan dalam pelayar. Simpan salinan asal dan semak hasil sebelum berkongsi.

Terjemahan ini disediakan dengan bantuan perisian. Anda juga boleh membaca versi bahasa Inggeris. Baca dalam bahasa Inggeris