Процесот на претворање на структуриран HTML во обичен текст
Претворањето на структуриран HTML во неструктуриран обичен текст бара прецизно отстранување на сите ознаки кои ја дефинираат презентацијата на веб-страницата. Оваа алатка го зема внесениот HTML и целосно ги отстранува сите HTML тагови, вклучувајќи ги и специфичните блокови како што се script, style, template и noscript. Содржината на овие блокови целосно се исклучува од крајниот резултат за да се обезбеди дека генерираниот текст ќе ја содржи само читливата содржина на страницата, без програмски код или дефиниции за стилови.
Покрај отстранувањето на таговите, процесот вклучува и средување на празниот простор. Повторените празни места се средуваат, со што се спречува појавата на непотребни празнини во финалниот текст. Алатката е корисна за корисници кои имаат потреба да претворат збогатен текст (rich text) во обичен текст што може лесно да се копира, за оние кои извлекуваат текст од фрагменти на веб-страници, за обработка на текст добиен од преземање податоци од веб (scraped HTML), како и за уредување на текст кој првично бил во HTML формат.
Ракување со HTML-ентитети и структура на блокови
При претворањето на веб-содржините, од клучно значење е правилното толкување на HTML-ентитетите и блок-елементите. HTML-ентитетите се користат во веб-документите за да се прикажат резервирани знаци или симболи кои инаку би можеле да се протолкуваат како дел од кодот. Оваа алатка ги препознава и ги декодира честите HTML-ентитети во нивните соодветни знаци во чистиот текст.
Зачувувањето на читливоста на текстот зависи и од начинот на кој се третираат блок-елементите и преодите во нов ред. Наместо едноставно да ги спои зборовите по отстранувањето на таговите, алатката ги претвора блок-елементите и преодите во нов ред во соодветни нови редови во излезниот резултат. Исто така, се зачувуваат и преодите во нов ред кои потекнуваат од <br> таговите, со што се одржува логичката поделба на пасусите и речениците.
Ограничувања при внес и правила за обработка
Алатката работи според дефинирани технички правила и ограничувања со цел да се обезбеди стабилна обработка на податоците:
- Максимална должина на внес: Полето за внес прифаќа содржина со максимална должина до 500,000 знаци.
- Празен внес: Доколку полето за внес е празно, алатката ја прикажува пораката „Додајте HTML за да извлечете чист текст.“.
- Надминување на лимитот: Ако внесениот HTML содржи повеќе од 500,000 знаци, се прикажува пораката „Овој HTML е премногу долг за оваа алатка. Ограничете го на под
{max}знаци.“. - Неуспешно извлекување: Во случаи кога алатката не може да извлече никаков текст од доставениот HTML, се појавува пораката „Не може да се извлече текст од овој HTML.“.
- Текст без тагови: Доколку во внесениот текст воопшто не се детектираат HTML тагови, текстот се зачувува во оригиналната форма и се прикажува пораката „Не се пронајдени HTML тагови. Текстот е зачуван како чист текст.“.
Кога излезното поле е празно, функциите „Копирајте чист текст“ и „Искористи го резултатот“ се автоматски оневозможени.
Локална обработка во прелистувачот и приватност
При користење на оваа алатка, обработката на податоците се врши локално. Вашиот HTML се чисти директно во Вашиот прелистувач. Ништо не се испраќа на серверите на BroBroGo, што значи дека внесениот код и содржина не го напуштаат вашиот уред во текот на процесот на обработка.
Интерфејс и статистички показатели
Интерфејсот на алатката нуди јасни полиња за внес и приказ на резултатите, како и статистички податоци за извршената операција.
| Елемент на интерфејсот | Опис / Вредност |
|---|---|
| Поле за внес | HTML |
| Поле за резултат | Чист текст |
| Почетна состојба (ready) | Подготвено. Залепете HTML за да го извлечете текстот. |
| Статистика за внес | Внес |
| Статистика за тагови | Тагови |
| Статистика за резултат | Резултат |
По успешното чистење на HTML содржината, алатката ја прикажува пораката „Отстранети се {tags} тагови и извлечени се {chars} знаци.“ каде што се прикажува точниот број на отстранети тагови и извлечени карактери. Доколку се вчита примерок преку соодветната функција, се прикажува пораката „HTML таговите се исчистени.“. Копчето „Искористи го резултатот“ овозможува префрлање на добиениот текст назад во полето за внес, при што се прикажува известувањето „Резултатот е преместен во полето за внес.“. За чистење на сите полиња се користи копчето „Исчисти“, кое ја активира состојбата „Исчистено.“.
Често поставувани прашања (FAQ)
Што се случува со содржината на скриптите и стиловите?
Блоковите како script, style, template и noscript се исклучуваат од резултатот, така што крајниот текст се фокусира само на читливата содржина на страницата.
Дали ги декодира HTML-ентитетите?
Да. Честите HTML-ентитети се претвораат во соодветните знаци што ги претставуваат во чистиот текст.
Дали се зачувуваат пасусите и преодите во нов ред?
Блок-елементите и преодите во нов ред се претвораат во нови редови. Повторените празни места се средуваат за резултатот да биде лесен за копирање.
Каде се испраќаат моите податоци при обработката?
Вашиот HTML се чисти директно во Вашиот прелистувач. Ништо не се испраќа на серверите на BroBroGo.