Практическое руководство

Экстрактор текста — Руководство по использованию и технические принципы

Преобразуйте HTML, XML или JSON в чистый текст, нормализуйте пробелы, удалите дубликаты строк и скопируйте результат одним щелчком.

Открыть инструмент

Обзор

Извлечение текста преобразует структурированное содержимое или содержимое с большим количеством разметки в чистые строки, чтобы последующие инструменты, поисковые индексы или резюмирующие программы могли работать с чистым вводом.

Ключевые понятия

Анализ DOM

Ввод HTML и XML анализируется через DOMParser, чтобы остались только значимые текстовые узлы.

Обход JSON

Режим JSON рекурсивно проходит по массивам и объектам, собирая каждое строковое значение.

Нормализация

Обрезка пробелов, дедупликация и сворачивание переносов строк выполняются после извлечения, чтобы сохранить вывод чистым.

Основные функции

Автоматическое определение

Автоматически выбирает режим JSON, HTML, XML или обычного текста на основе вставленного содержимого.

Управление пробелами

Решите, сохранять ли переносы строк, обрезать пробелы и сворачивать пустые строки.

Удаление дубликатов строк

Удалите повторяющиеся предложения — полезно при извлечении подробной разметки.

Копирование одним щелчком

Скопируйте очищенный текст прямо в буфер обмена для повторного использования.

Часто задаваемые вопросы

Как режим Auto определяет парсер?

Он ищет начальные фигурные скобки для определения JSON и угловые скобки для определения HTML/XML; в противном случае обрабатывает ввод как обычный текст.

Будут ли удалены атрибуты или скрипты?

Да. Анализ DOM собирает только текстовые узлы, поэтому скрипты, стили и атрибуты игнорируются.

Дедупликация уважает порядок?

Дубликаты удаляются на месте с сохранением первого вхождения каждой строки.

Связанная документация

Экстрактор текста

Откройте инструмент, чтобы попробовать эти функции.

Открыть инструмент