Ga naar de inhoud
Coverton Bloggen
In dit artikel
Documenten en tekst

Unicode normaliseert: ontbrekende tekst en volgorde controleren

Geaccentueerde tekens of Koreaanse tekst kunnen er identiek uitzien als er verschillende onderliggende tekenreeksen worden gebruikt. Normalisatie kan hun weergave op één lijn brengen, maar namen en betekenisvolle symbolen moeten nog steeds zorgvuldig worden vergeleken met de bron.

Open het gereedschapHoe u dit hulpmiddel kunt gebruiken ↓
Unicode normaliseert
Illustratie van de workflow van deze tool; het is geen resultaat van een geüpload bestand.

Hoe u dit hulpmiddel kunt gebruiken

  1. Voer tekst in of voeg het brontekstbestand toe.
  2. Selecteer het gewenste normalisatieformulier.
  3. Voer en vergelijk namen en speciale symbolen.
  4. Download de genormaliseerde tekst.

Kies de juiste instellingen

Kies NFC of NFD op basis van de karaktercompositie die nodig is voor uw workflow. NFKC en NFKD veranderen ook de compatibiliteitstekens, dus bekijk formulieren over de volledige breedte en speciale symbolen voordat u ze op gevoelige ID's toepast.

Ondersteunde invoer
  • TXT,MD
Beschikbare instellingen
  • Normalisatie formulier

Voor u begint

Scheid tekstwerk van bestandsbeheer

Bepaal of de taak draait om woorden, structuur, verborgen informatie of bestandsnamen. Bewaar het origineel en controleer het ondersteunde formaat. Platte tekst helpt bij het lezen van woorden, maar neemt niet noodzakelijk alle afbeeldingen, lettertypen, formules en pagina-indelingen over.

Probeer aangeboden scheiding, normalisatie of tekstopschoning op een kort deel met koppen, bijzondere tekens en betekenisvolle regeleinden. Voeg voor inspectie en vergelijking alle relevante bronnen toe. Controleer bij hernoemde kopieën de gekozen volgorde en bewaar de koppeling tussen oude en nieuwe namen.

Bepaal voor tekstopschoning welke spaties, herhaalde regels of tekens betekenis hebben; een andere spelling kan opzettelijk zijn. Leg bij inspectie en organisatie juist de gekozen bestanden en letterlijke naam- of vergelijkingsregels vast. Controleer een kort bronstuk of een bekend bestandspaar. Vergelijk de tussenkopie afzonderlijk: een eerdere extractie, normalisatie of hernoeming kan het verschil verklaren.

Controleer betekenis en herkomst

Lees begin, einde en overgangen tussen delen. Vergelijk namen, tabelwaarden en bijzondere tekens met de bron. Zoek bij een rapport enkele bevindingen in het origineel op: inspectie geeft controlepunten en verwijdert de gevonden informatie niet automatisch.

Controleer bij gedownloade kopieën namen, extensies en de koppeling met de originelen. Ontbrekende of verwarde tekst kan komen door niet ondersteunde ingebedde inhoud, codering of leesvolgorde. Een nieuwe naam verandert het formaat niet; dezelfde aanblik bewijst niet dat twee bestanden dezelfde bytes bevatten.

Voorbeeld invoer en uitvoer

ontbonden tekst + NFC → ontbonden tekst

Voorbeelden beschrijven de workflow. De resultaten zijn afhankelijk van het bronbestand en de instellingen.

Controleer het resultaat voordat u opslaat

Inspecteer regels met Koreaanse accenten, tekens over de volledige breedte en symbolen naast hun originelen. Als het visuele resultaat onveranderd lijkt, test dan het zoeken of tekenreeksvergelijking in het programma dat de genormaliseerde tekst gebruikt.

Als het resultaat anders is dan u had verwacht

Normalisatie kan geen tekens herstellen die al zijn beschadigd door onjuiste bestandsdecodering of een corrupte bron. Als de tekst zichtbaar beschadigd is, onderzoek dan het originele bestand en de codering ervan voordat u de Unicode-weergave wijzigt.

Gebruiksbeperkingen

  • NFC is geschikt voor normaal samengestelde tekst. NFKC/NFKD wijzigen ook de compatibiliteitstekens. Bekijk het resultaat.

Ga verder met verwante tools

Converteer DOCX naar Tekst

Extraheer de hoofdtekst van DOCX en ondersteunde kop- en voetteksten wanneer u de formulering moet controleren. Het resultaat TXT reproduceert geen lettertypen of pagina-indeling, dus vergelijk de inhoud afzonderlijk van de gedrukte weergave van het document.

Kies blanco regels, scheidingen met één regel of sectiemarkeringen voor de geëxtraheerde delen. Deze markeringen beschrijven geëxtraheerde secties en reproduceren niet de fysiek afgedrukte paginanummers van de DOCX.

Open het gereedschap

Converteer PPTX naar Tekst

Een TXT-uittreksel is handig om de tekst van een presentatie dia voor dia te bekijken. Ga er niet vanuit dat de geëxtraheerde reeks overeenkomt met de visuele plaatsing op het canvas; inspecteer hoe titels en uitleg in de uitvoer op elkaar aansluiten.

Kies de diamarkeringsmodus om een SLIDE-label aan elke geëxtraheerde sectie toe te voegen. Gebruik lege regels of enkele regels als deze labels niet nodig zijn voor de tekst die u gaat bewerken.

Open het gereedschap
CovertonUnicode normaliseert
Open het gereedschap

Deze handleiding legt de openbaar beschikbare tool voor de browser uit. Bewaar een kopie van het origineel en controleer het resultaat voordat u het deelt.

Deze vertaling is met softwarematige hulp tot stand gekomen. Je kunt ook de Engelse versie lezen. Lees in het Engels