Hướng dẫn thực tế

Công cụ trích xuất văn bản — Hướng dẫn sử dụng và nguyên lý kỹ thuật

Loại bỏ thẻ HTML, phân tích XML hoặc JSON, và trích xuất văn bản sạch với chuẩn hóa khoảng trắng có thể cấu hình, loại bỏ trùng lặp và đầu ra sẵn sàng cho clipboard.

Mở công cụ

Tổng quan

Trích xuất văn bản chuyển đổi nội dung có cấu trúc hoặc nhiều đánh dấu thành chuỗi thuần túy để các công cụ hạ nguồn, chỉ mục tìm kiếm hoặc bộ tóm tắt có thể làm việc với đầu vào sạch.

Khái niệm chính

Phân tích DOM

Đầu vào HTML và XML được phân tích qua DOMParser để chỉ còn lại các nút văn bản có ý nghĩa.

Duyệt JSON

Chế độ JSON đi qua mảng và đối tượng một cách đệ quy, thu thập mọi giá trị chuỗi.

Chuẩn hóa

Cắt khoảng trắng, loại bỏ trùng lặp và thu gọn dòng mới chạy sau khi trích xuất để giữ đầu ra gọn gàng.

Tính năng chính

Tự động phát hiện

Tự động chọn chế độ JSON, HTML, XML hoặc văn bản thuần dựa trên nội dung đã dán.

Điều khiển khoảng trắng

Quyết định có giữ ngắt dòng, cắt khoảng trắng và thu gọn dòng trống.

Loại bỏ dòng trùng lặp

Xóa các câu lặp lại—hữu ích khi thu thập đánh dấu dài dòng.

Sao chép một cú nhấp

Sao chép văn bản đã làm sạch trực tiếp vào clipboard của bạn để tái sử dụng.

Câu hỏi thường gặp

Chế độ Tự động quyết định trình phân tích cú pháp như thế nào?

Nó tìm kiếm dấu ngoặc nhọn ở đầu để đoán JSON và dấu ngoặc nhọn để đoán HTML/XML; nếu không nó xem đầu vào là văn bản thuần túy.

Thuộc tính hoặc script có bị xóa không?

Có. Phân tích cú pháp DOM chỉ thu thập các nút văn bản, do đó các script, kiểu và thuộc tính bị bỏ qua.

Loại bỏ trùng lặp có tôn trọng thứ tự không?

Bản sao được xóa tại chỗ trong khi giữ lại lần xuất hiện đầu tiên của mỗi dòng.

Tài liệu liên quan

  • DOMParser API

    Tài liệu tham khảo MDN để phân tích đánh dấu bên trong thời gian chạy trình duyệt.

  • JSON.parse

    Thông số kỹ thuật để giải mã chuỗi JSON một cách an toàn trong JavaScript.

  • Làm sạch nội dung

    Hướng dẫn OWASP về việc loại bỏ đánh dấu thành văn bản thuần.

  • Cơ bản về trình đọc màn hình

    Hướng dẫn cơ bản của Deque về cách công nghệ hỗ trợ đọc nội dung văn bản.

  • Xuất văn bản có cấu trúc

    Hướng dẫn của Algolia về việc chuẩn bị nội dung để lập chỉ mục.

Công cụ trích xuất văn bản

Mở công cụ để trải nghiệm các tính năng này.

Mở công cụ