Coverton BloggenTekst uit DOCX, HWPX en gekopieerde documenten extraheren en opschonen
Door een document op te slaan als TXT zijn de woorden herbruikbaar, maar blijft de oorspronkelijke pagina-indeling of opmaak behouden. Selecteer de tool voor DOCX, PPTX, ODT, EPUB, HWPX of RTF en vergelijk vervolgens belangrijke tekst met de bron.
Gebruik de gratis tool →Controleer eerst het Koreaanse documentformaat
De HWPX-lezer verwerkt ondersteunde alinea's, tabellen en afbeeldingen. Legacy HWP wordt niet ondersteund en de lezer reproduceert geen originele lettertypen, vormen, vergelijkingen of paginering. Behoud het origineel van de inzending en gebruik het TXT-resultaat voor hergebruik van tekst.
Maak regeleinden en onzichtbare tekens zorgvuldig schoon
Bij het opschonen van gekopieerde PDF worden interne regeleinden samengevoegd, terwijl de door witregels gescheiden paragrafen behouden blijven. Beoordeel tabellen, gedichten en lijsten met de bron. Het optioneel verwijderen van onzichtbare tekens heeft alleen betrekking op U+200B en BOM. De normalisatie van NFKC en NFKD verandert ook de compatibiliteitstekens.
Conversie is iets anders dan privacyinspectie
Markdown-naar-HTML converteert documentmarkeringen; HTML-to-TXT verwijdert tags en lay-out. De Office-inspecteur rapporteert auteursinformatie, opmerkingen, verborgen bladen en sporen van externe links. Een melding alleen betekent niet dat deze stukken uit het dossier zijn verwijderd.
Kies het juiste gereedschap
Voorbeeldinvoer illustreert de workflow; ze beloven geen bepaalde bestandsgrootte, herkenningsnauwkeurigheid of compatibiliteit.
Converteer DOCX naar Tekst
Extraheer tekst om te zoeken of te ordenen. De TXT-kopie reproduceert geen documentindeling of afbeeldingen.
Voorbeeld
document.docx → geëxtraheerde tekst.txt- Kies bestanden in het DOCX-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer Tabelkolomscheidingsteken en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Tekst wordt geëxtraheerd, niet de oorspronkelijke pagina-indeling. Afbeeldingen, opmaak en ingesloten objecten blijven niet behouden. OCR wordt niet uitgevoerd.
Bij Word-documenten worden tekstgedeelten uit het documentenpakket gelezen. Controleer tabellen en tekstvelden in het resultaat; hun visuele opstelling wordt niet overgenomen. Oude binaire .doc-bestanden worden niet ondersteund.
Converteer PPTX naar Tekst
Verzamel diatekst in een werkend transcript. Kies een scheidingsteken en bekijk de extractievolgorde.
Voorbeeld
slides.pptx → door dia's gescheiden tekst.txt- Kies bestanden in het PPTX-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer Tabelkolomscheidingsteken en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
De leesvolgorde kan afwijken van de zichtbare positie van de tekstvelden. Afbeeldingen en gesproken inhoud worden niet getranscribeerd.
Converteer ODT naar Tekst
Extraheer platte tekst uit een OpenDocument-bestand. Tabellen, lettertypen en paginering blijven niet behouden in TXT.
Voorbeeld
document.odt → geëxtraheerde tekst.txt- Kies bestanden in het ODT-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer Tabelkolomscheidingsteken en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Tekst wordt geëxtraheerd, niet de oorspronkelijke pagina-indeling. Afbeeldingen, opmaak en ingesloten objecten blijven niet behouden. OCR wordt niet uitgevoerd.
OpenDocument slaat tekst en stijlen afzonderlijk op. De TXT-uitvoer gebruikt geen sjablonen, kolommen of pagina-einden als vaste lay-out. Checklijsten en tabellen na export.
Converteer EPUB naar Tekst
Verzamel tekst uit een ondersteunde EPUB voor persoonlijke workflows. Controleer de ondersteuning voor beveiligde boeken en complexe leeslay-outs.
Voorbeeld
book.epub → leesbare tekst.txt- Kies bestanden in het EPUB-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer Tabelkolomscheidingsteken en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Met DRM beveiligde boeken worden niet ondersteund. Navigatie, typografie en illustraties gaan verloren in TXT.
Converteer HWPX naar Tekst
Extraheer tekst uit HWPX. Oudere HWP en nauwkeurige reproductie van de originele bewerkingslay-out vereisen andere workflows.
Voorbeeld
document.hwpx → sectie tekst.txt- Kies bestanden in het HWPX-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer Tabelkolomscheidingsteken en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
HWPX en de oudere binaire HWP zijn verschillende formaten. Bestanden met .hwp worden niet geopend.
Converteer RTF naar Tekst
Verwijder de ondersteunde RTF-besturingsopmaak voor een tekstkopie. Vergelijk speciale tekens en tabellen met de bron.
Voorbeeld
document.rtf → platte tekst.txt- Kies bestanden in het RTF-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer het invoerformaat en de bestandsvolgorde en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Tekst wordt geëxtraheerd, niet de oorspronkelijke pagina-indeling. Afbeeldingen, opmaak en ingesloten objecten blijven niet behouden. OCR wordt niet uitgevoerd.
Rich text bevat controlewoorden voor opmaak en tekencodering. Deze worden tijdens de tekstexport verwijderd of geëvalueerd. Controleer speciale tekens en oudere codepagina's in het resultaat; ingebedde afbeeldingen worden niet geëxtraheerd.
Converteer MARKDOWN naar HTML
Markdown-schrijven exporteren als HTML. Controleer hoe ondersteunde koppen, lijsten en alinea's worden weergegeven.
Voorbeeld
# Kop + alinea's → document.html- Kies bestanden in het MD, MARKDOWN-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer HTML-documentstijl, Open links in een nieuw tabblad en start vervolgens de verwerking.
- Download het HTML-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Er wordt beperkte Markdown-syntaxis ondersteund. Complexe tabellen, cellen met meerdere rijen, extensies en scripts worden niet volledig overgenomen.
Converteer HTML naar Tekst
Extraheer tekst uit een HTML-bestand. Hiermee wordt geen URL bezocht om een live website te schrapen.
Voorbeeld
opgeslagen-pagina.html → leesbare tekst.txt- Kies bestanden in het HTML, HTM-formaat. Maximaal aantal bestanden per batch: 1.
- Controleer het invoerformaat en de bestandsvolgorde en start vervolgens de verwerking.
- Download het TXT-resultaat en controleer de inhoud en kwaliteit ervan.
Wat te controleren
Inhoud die via JavaScript opnieuw wordt geladen, wordt niet opgehaald of uitgevoerd. De CSS-indeling blijft niet behouden.
Lees HWPX
Lees ondersteunde HWPX-paragrafen, tabellen en afbeeldingen en extraheer tekst. Verouderde HWP en nauwkeurige lay-outbewerking worden niet ondersteund.
Voorbeeld
document.hwpx → ondersteund inhoudsvoorbeeld + TXTOpen het gereedschap →Schone tekstlijst
Verwijder spaties, duplicaten en witruimte in lijsten met één item per regel. Sorteer alleen als het de bedoeling is om de volgorde te wijzigen.
Voorbeeld
herhaalde regelitems → opgeschoonde regellijstOpen het gereedschap →Unicode normaliseert
Normaliseer anders samengestelde Unicode, inclusief ontlede Koreaanse tekst. Compatibiliteitsnormalisatie kan karakters veranderen.
Voorbeeld
ontlede tekst + NFC → samengestelde tekstOpen het gereedschap →Onzichtbare karakters
Inspecteer gekopieerde tekst op onzichtbare tekens en controleer posities en codepunten voordat u deze verwijdert.
Voorbeeld
tekst met onzichtbare tekens → locatie-/codepuntrapportOpen het gereedschap →Verwijder regeleinden
Sluit ongewenste regeleinden aan in gekopieerd proza. Tabellen, gedichten en lijsten kunnen afhankelijk zijn van opzettelijke regeleinden.
Voorbeeld
verpakt proza + blanco alinea's → samengevoegde alinea'sOpen het gereedschap →Inspecteer verborgen informatie in Office-bestanden
Inspecteer metagegevens, opmerkingen en sporen van verborgen inhoud van de auteur voordat u Office-bestanden deelt, en bewerk ze vervolgens in de brontoepassing.
Voorbeeld
Office-bestand → inspectierapport met verborgen informatieOpen het gereedschap →In deze handleiding worden de openbare webtools en hun ondersteuningslimieten beschreven. Bewaar uw origineel en controleer het gedownloade resultaat. Coverton · Correcties en contact
Deze vertaling is met softwarematige hulp tot stand gekomen. Je kunt ook de Engelse versie lezen. Lees in het Engels