HTML struktūros pavertimas grynuoju tekstu
HTML dokumentai ir jų fragmentai yra skirti naršyklėms interpretuoti, kur tekstinis turinys yra apgaubtas įvairiomis žymomis, nurodančiomis struktūrą ir išvaizdą. Konvertuojant šį struktūrizuotą turinį į nestruktūrizuotą grynąjį tekstą, pagrindinis tikslas yra pašalinti visas technines žymas ir palikti tik žmogui skaitomą informaciją. Šis procesas reikalauja ne tik pačių žymų (pavyzdžiui, <p>, <div> ar <a>) ištrynimo, bet ir specifinių kodo blokų filtravimo.
Atliekant šį konvertavimą, visi script, style, template ir noscript blokai yra visiškai pašalinami iš rezultato. Tai užtikrina, kad programavimo kodas, CSS stiliai ar šablonų elementai neatsidurtų galutiniame tekste. Toks valymas yra būtinas dirbant su nukopijuotais tinklalapių fragmentais, išgautu (scraped) HTML turiniu arba redaguojant tekstą, kuris pirminiu pavidalu buvo saugomas HTML formatu.
HTML esybių (entities) iškodavimas
Tinklalapių kode specialieji simboliai dažnai yra užkoduojami naudojant HTML esybes (angl. entities), pavyzdžiui, & (ampersandas), < (mažiau už) arba " (kabutės). Tai leidžia naršyklei teisingai atvaizduoti simbolius, kurie kitu atveju galėtų būti supainioti su HTML sintakse.
Apdorojant tekstą su HTML žymų šalinimo įrankiu, šie dažniausiai pasitaikantys kodai yra iškoduojami ir paverčiami juos atitinkančiais įprastais simboliais. Tai leidžia gauti natūraliai skaitomą tekstą, kurį galima iškart naudoti kitose programose be papildomo redagavimo rankiniu būdu.
Blokinių elementų ir tarpų tvarkymo taisyklės
Konvertuojant HTML į grynąjį tekstą, svarbu išlaikyti vizualinę teksto struktūrą, kad pastraipos nesuliptų į vieną nepertraukiamą eilutę. Šiam tikslui pasiekti taikomos kelios taisyklės:
- Eilučių lūžiai: Blokiniai HTML elementai (pavyzdžiui,
<div>,<p>) ir eilučių lūžių žymos<br>rezultate paverčiami eilučių lūžiais. - Tarpų tvarkymas: Pasikartojantys tarpai yra sutvarkomi ir pašalinami, kad tekstas būtų vientisas ir tvarkingas.
- Tuščia įvestis: Jei įvesties laukas yra tuščias, įrankis nerodo jokio rezultato ir pateikia pranešimą „Pridėkite HTML kodą, kad išgautumėte grynąjį tekstą.“.
Įrankio ribojimai ir klaidų apdorojimas
Apdorojant duomenis, taikomos tam tikros techninės taisyklės ir ribojimai, užtikrinantys sklandų veikimą naršyklėje:
| Scenarijus | Rezultatas / Pranešimas | Funkcijų būsena |
|---|---|---|
| Sėkmingas žymų pašalinimas | Pašalinta žymų: {tags}, išgauta simbolių: {chars}. |
Funkcijos „Kopijuoti grynąjį tekstą“ ir „Naudoti rezultatą“ yra aktyvios. |
| Įvestyje nėra HTML žymų | HTML žymų nerasta. Tekstas paliktas kaip grynasis tekstas. | Funkcijos „Kopijuoti grynąjį tekstą“ ir „Naudoti rezultatą“ yra aktyvios. |
| Įvestis viršija 500 000 simbolių | Šis HTML yra per ilgas šiam įrankiui. Neviršykite {max} simbolių. |
Funkcijos „Kopijuoti grynąjį tekstą“ ir „Naudoti rezultatą“ yra deaktyvios. |
| Nepavyksta išgauti teksto | Nepavyko išgauti teksto iš šio HTML. | Funkcijos „Kopijuoti grynąjį tekstą“ ir „Naudoti rezultatą“ yra deaktyvios. |
| Tuščia įvestis | Pridėkite HTML kodą, kad išgautumėte grynąjį tekstą. | Funkcijos „Kopijuoti grynąjį tekstą“ ir „Naudoti rezultatą“ yra deaktyvios. |
Maksimalus leistinas įvesties ilgis yra 500 000 simbolių. Jei šis limitas viršijamas, apdorojimas sustabdomas.
Duomenų apdorojimas ir privatumas
Naudojantis šiuo įrankiu, jūsų įvestas HTML turinys yra apdorojamas tiesiogiai jūsų naršyklėje. Visi žymų šalinimo, iškodavimo ir formatavimo veiksmai atliekami lokaliai jūsų įrenginyje. Nieko neperduodama į BroBroGo serverius, todėl jūsų tekstiniai duomenys niekada nepalieka jūsų kompiuterio ar telefono.
Dažniausiai užduodami klausimai (DUK)
Kas nutinka su skriptų ir stilių turiniu?
Script, style, template ir noscript blokai yra pašalinami iš rezultato, todėl gautame tekste lieka tik skaitomas puslapio turinys.
Ar įrankis iškoduoja HTML kodus (entities)?
Taip. Dažniausiai pasitaikantys kodai (entities) grynojo teksto rezultate paverčiami juos atitinkančiais simboliais.
Ar išsaugomos pastraipos ir eilučių lūžiai?
Blokiniai elementai ir eilučių lūžiai paverčiami eilučių lūžiais. Pasikartojantys tarpai yra sutvarkomi, kad rezultatą būtų lengva kopijuoti.
Koks yra maksimalus apdorojamo HTML teksto dydis?
Maksimalus įvesties ilgis, kurį gali apdoroti įrankis, yra 500 000 simbolių. Jei įkeltas tekstas viršija šį limitą, sistema parodys klaidą ir paprašys sumažinti simbolių kiekį.