Coverton 博客提取 DOCX、HWPX 文字并整理文本
将文档另存为 TXT 使其文字可重复使用，但不会保留原始页面布局或格式。选择 DOCX、PPTX、ODT、EPUB、HWPX 或 RTF 的工具，然后将重要文本与源进行比较。
使用免费工具 →先检查韩文文档格式
HWPX 阅读器可处理支持的段落、表格和图片。旧版 HWP 不受支持，并且阅读器无法重现原始字体、形状、方程式或分页。保留提交原件并使用 TXT 结果进行文本重用。
仔细清理换行符和隐形字符
Copied-PDF 清理会加入内部换行符，同时保留空行分隔的段落。根据来源审查表格、诗歌和列表。可选的不可见字符删除仅影响 U+200B 和 BOM。 NFKC 和 NFKD 规范化也会更改兼容性字符。
转换与隐私检查不同
Markdown-to-HTML 转换文档标记； HTML-to-TXT 丢弃标签和布局。 Office 检查器报告作者信息、评论、隐藏表和外部链接跟踪。报告本身并不意味着这些项目已从文件中删除。
选择正确的工具
输入示例说明了工作流程；他们不承诺特定的文件大小、识别准确性或兼容性。
DOCX 转 文本
提取文本以进行搜索或组织。 TXT 副本不会复制文档布局或图片。
示例
文档.docx → 提取文本.txt- 选择 DOCX 文件，最多可选 1 个。
- 检查设置（文档分隔方式），然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
提取的是文字，不是原始排版。不保留图片、样式或嵌入对象，也不进行 OCR。
从 Word 文档包中读取文字。请检查表格和文本框内容，结果不保留其视觉布局。不支持旧版二进制 .doc 文件。
PPTX 转 文本
将幻灯片文本收集到工作记录中。选择分隔符并检查提取顺序。
示例
Slides.pptx → 幻灯片分隔文本.txt- 选择 PPTX 文件，最多可选 1 个。
- 检查设置（文档分隔方式），然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
读取顺序可能与文本框的视觉位置不同，不会转录图片或语音内容。
ODT 转 文本
从 OpenDocument 文件中提取纯文本。 TXT 中不保留表格、字体和分页。
示例
document.odt → 提取的文本.txt- 选择 ODT 文件，最多可选 1 个。
- 检查设置（文档分隔方式），然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
提取的是文字，不是原始排版。不保留图片、样式或嵌入对象，也不进行 OCR。
OpenDocument 将文字与样式分开存储。TXT 不保留模板、分栏或固定分页布局。导出后请检查列表和表格。
EPUB 转 文本
从受支持的 EPUB 收集文本以用于个人工作流程。检查对受保护书籍和复杂阅读布局的支持。
示例
book.epub → 普通阅读文本.txt- 选择 EPUB 文件，最多可选 1 个。
- 检查设置（文档分隔方式），然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
不支持受 DRM 保护的电子书。TXT 不保留导航、字体排版或插图。
HWPX 转 文本
从 HWPX 中提取文本。旧版 HWP 和原始编辑布局的精确再现需要其他工作流程。
示例
document.hwpx → 节 text.txt- 选择 HWPX 文件，最多可选 1 个。
- 检查设置（文档分隔方式），然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
HWPX 与旧版二进制 HWP 不同，本工具无法打开 .hwp 文件。
RTF 转 文本
删除文本副本支持的 RTF 控件格式。将特殊字符和表格与源进行比较。
示例
文档.rtf → 纯文本.txt- 选择 RTF 文件，最多可选 1 个。
- 检查输入格式和文件顺序，然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
提取的是文字，不是原始排版。不保留图片、样式或嵌入对象，也不进行 OCR。
Rich Text 包含格式与字符编码控制字，提取文字时会移除或解析这些控制字。请核对特殊字符和旧编码内容，不提取嵌入图片。
MARKDOWN 转 HTML
将 Markdown 写作导出为 HTML。检查支持的标题、列表和段落的呈现方式。
示例
# 标题 + 段落 → document.html- 选择 MD, MARKDOWN 文件，最多可选 1 个。
- 检查设置（HTML 文档样式, 在新标签页打开链接），然后开始处理。
- 下载 HTML 结果并检查内容与质量。
要检查什么
仅支持有限的 Markdown 语法，复杂表格、多行单元格、扩展和脚本可能无法完整保留。
HTML 转 文本
从 HTML 文件中提取文本。这不会访问 URL 来抓取实时网站。
示例
已保存页面.html → 可读文本.txt- 选择 HTML, HTM 文件，最多可选 1 个。
- 检查输入格式和文件顺序，然后开始处理。
- 下载 TXT 结果并检查内容与质量。
要检查什么
不会获取或执行仅通过 JavaScript 加载的内容，也不保留 CSS 布局。
本指南介绍了公共网络工具及其支持限制。保留原件并检查下载的结果。 Coverton · 更正及联系方式
此翻译是在软件协助下完成的。您也可以阅读英文版本。 阅读英文