HTML டேகுகளை வெற்று உரையாக மாற்றுதல்
வலைப்பக்கங்களில் உள்ள உள்ளடக்கங்களைச் செயலாக்கும்போது, கட்டமைக்கப்பட்ட HTML (Structured HTML) குறியீடுகளைக் கட்டமைப்பற்ற வெற்று உரையாக (Unstructured plain text) மாற்ற வேண்டிய தேவை ஏற்படுகிறது. HTML கோப்புகளில் உள்ள பல்வேறு டேகுகள், வலை உலாவிகளுக்கு உள்ளடக்கத்தை எவ்வாறு காண்பிக்க வேண்டும் என்று கட்டளையிடுகின்றன. ஆனால், தரவு பகுப்பாய்வு, உரை திருத்தம் மற்றும் பிற பயன்பாடுகளுக்கு இந்த டேகுகள் இல்லாத சுத்தமான உரை மட்டுமே தேவைப்படுகிறது.
"HTML டேக் நீக்கி" கருவியானது, நீங்கள் வழங்கும் HTML உள்ளடக்கத்திலிருந்து அனைத்து டேகுகளையும் அகற்றி, சுத்தமான வெற்று உரையை வழங்குகிறது. இந்தச் செயல்பாட்டின் போது, உரை வடிவமைப்பு சிதையாமல் இருக்க சில விதிகள் பின்பற்றப்படுகின்றன. குறிப்பாக, பத்திகள் மற்றும் வரி முறிவுகள் போன்ற தொகுதி கூறுகள் (Block elements) வெளியீட்டில் புதிய வரிகளாக மாற்றப்படுகின்றன. மேலும், உரை வாசிப்பதற்கு எளிதாக இருக்கும் வகையில், மீண்டும் மீண்டும் வரும் வெற்று இடைவெளிகள் (Repeated spaces) நேர்த்தியாக்கப்படுகின்றன.
HTML குறியீடுகள் மற்றும் சிறப்புத் தொகுதிகளைக் கையாளுதல்
HTML ஆவணங்களில் சில சிறப்பு எழுத்துகளைக் காண்பிக்க HTML குறியீடுகள் (HTML entities) பயன்படுத்தப்படுகின்றன. உதாரணமாக, குறியீட்டு எழுத்துகள் நேரடியாகப் பயன்படுத்தப்படும்போது அவை HTML டேகுகளாகக் கருதப்படலாம் என்பதால், அவற்றுக்கு மாற்றாக இத்தகைய குறியீடுகள் பயன்படுகின்றன. இக்கருவி, அத்தகைய பொதுவான HTML குறியீடுகளைக் கண்டறிந்து, வெற்று உரை வெளியீட்டில் அவை குறிக்கும் உண்மையான எழுத்துகளாக டீகோட் செய்கிறது.
வெற்று உரையைப் பிரித்தெடுக்கும்போது, சாதாரண டேகுகளை நீக்குவதுடன் மட்டும் பணி முடிந்துவிடுவதில்லை. வலைப்பக்கங்களில் உள்ள சில தொகுதிகள் உரை வடிவத்தில் காண்பிக்கப்பட வேண்டியவை அல்ல. இக்கருவி பின்வரும் தொகுதிகளை வெளியீட்டிலிருந்து முழுமையாக நீக்குகிறது:
- Script தொகுதிகள்: வலைப்பக்கத்தின் செயல்பாடுகளுக்கான ஜாவாஸ்கிரிப்ட் குறியீடுகள்.
- Style தொகுதிகள்: பக்கத்தின் வடிவமைப்பிற்கான CSS குறியீடுகள்.
- Template தொகுதிகள்: HTML-இல் மறுபயன்பாட்டிற்காக வைக்கப்படும் உள்ளடக்கங்கள்.
- Noscript தொகுதிகள்: உலாவியில் ஸ்கிரிப்ட் முடக்கப்பட்டிருக்கும்போது காண்பிக்கப்படும் மாற்று உள்ளடக்கங்கள்.
இந்தத் தொகுதிகள் அனைத்தும் நீக்கப்படுவதால், இறுதி வெளியீட்டில் தேவையற்ற நிரல் குறியீடுகள் இல்லாமல், படிக்கக்கூடிய சுத்தமான உரை மட்டுமே எஞ்சியிருக்கும்.
உள்ளீடு மற்றும் வெளியீட்டு விவரக்குறிப்புகள்
இக்கருவியைப் பயன்படுத்தும்போது உள்ளீடு மற்றும் வெளியீட்டு அளவீடுகள் துல்லியமாகக் கணக்கிடப்பட்டு காண்பிக்கப்படுகின்றன.
உள்ளீட்டு வரம்புகள்
- HTML: பயனர் தனது HTML உள்ளடக்கத்தை உள்ளீட்டுப் பகுதியில் தட்டச்சு செய்யவோ அல்லது ஒட்டவோ செய்யலாம்.
- அதிகபட்ச வரம்பு: உள்ளீட்டுப் பகுதியில் அதிகபட்சமாக 500,000 எழுத்துகள் (Characters) வரை மட்டுமே அனுமதிக்கப்படும்.
வெளியீட்டு அளவீடுகள் மற்றும் நிலைகள்
உள்ளீட்டின் தன்மையைப் பொறுத்து, கருவி பின்வரும் புள்ளிவிவரங்களையும் நிலைகளையும் காட்டுகிறது:
- உள்ளீடு: உள்ளீடாக வழங்கப்பட்ட HTML உள்ளடக்கத்தின் அளவு.
- டேகுகள்: உள்ளீட்டில் கண்டறியப்பட்டு நீக்கப்பட்ட டேகுகளின் எண்ணிக்கை.
- முடிவு: பிரித்தெடுக்கப்பட்ட இறுதி வெற்று உரையின் எழுத்துகளின் எண்ணிக்கை.
வெளியீடு காலியாக இருக்கும் பட்சத்தில், "நகலெடு" மற்றும் "முடிவைப் பயன்படுத்து" ஆகிய செயல்பாடுகள் தற்காலிகமாக முடக்கப்படும்.
கருவியின் செயல்பாட்டு விதிகள் மற்றும் பிழைச் செய்திகள்
பயனரின் உள்ளீட்டைச் செயலாக்கும்போது, பல்வேறு சூழ்நிலைகளைக் கையாளும் வகையில் குறிப்பிட்ட விதிகள் மற்றும் பிழைச் செய்திகள் வடிவமைக்கப்பட்டுள்ளன:
| உள்ளீட்டு நிலை | காட்டப்படும் செய்தி / விளைவு |
|---|---|
| உள்ளீடு எதுவும் வழங்கப்படாத போது | "வெற்று உரையைப் பிரித்தெடுக்க HTML-ஐச் சேர்க்கவும்." |
| உள்ளீடு 500,000 எழுத்துகளுக்கு மேல் இருக்கும்போது | "இந்தக் கருவிக்கு அந்த HTML மிகவும் நீளமானது. {max} எழுத்துகளுக்குள் வைத்திருக்கவும்." |
| உள்ளீட்டில் HTML டேகுகள் எதுவும் இல்லாதபோது | "HTML டேகுகள் எதுவும் காணப்படவில்லை. உரை வெற்று உரையாகவே வைக்கப்பட்டுள்ளது." |
| HTML-லிருந்து உரையைப் பிரித்தெடுக்க முடியாதபோது | "இந்த HTML இலிருந்து உரையைப் பிரித்தெடுக்க முடியவில்லை." |
| வெற்றிகரமாகச் செயலாக்கப்பட்ட பிறகு | "{tags} டேகுகள் நீக்கப்பட்டு, {chars} எழுத்துகள் பிரித்தெடுக்கப்பட்டன." |
மேலும், பயனர் இடைமுகத்தில் உள்ள "அழி" (clear) பொத்தானைப் பயன்படுத்தும்போது "அழிக்கப்பட்டது." என்ற செய்தியும், மாதிரி நீக்கப்பட்டது. "மாதிரி நீக்கப்பட்டது." என்ற செய்தியும் காண்பிக்கப்படும். "முடிவைப் பயன்படுத்து" பொத்தானை அழுத்தும்போது, பெறப்பட்ட முடிவு உள்ளீட்டுப் பகுதிக்கு நகர்த்தப்பட்டு, "முடிவு உள்ளீட்டுப் பகுதிக்கு நகர்த்தப்பட்டது." என்ற செய்தி காட்டப்படும்.
தரவு செயலாக்கம் மற்றும் தனியுரிமை
இணையப் பயன்பாடுகளில் தனியுரிமை என்பது மிக முக்கியமான காரணியாகும். இக்கருவியைப் பயன்படுத்தும்போது, நீங்கள் உள்ளிடும் HTML தரவுகள் எதுவும் BroBroGo சேவையகத்திற்கு (Server) பதிவேற்றப்படுவதில்லை.
உள்ளடக்கங்களை வெற்று உரையாக மாற்றும் அனைத்துச் செயல்பாடுகளும் உங்கள் கணினியில் உள்ள இணைய உலாவியிலேயே (Browser) நேரடியாகச் செய்யப்படுகின்றன. இதனால், உங்கள் தரவுகளின் தனியுரிமை உள்ளூர் அளவிலேயே பேணப்படுகிறது.
இக்கருவி யாருக்குத் தேவைப்படுகிறது?
HTML டேகுகளை நீக்கி சுத்தமான உரையைப் பெறும் செயல்முறை பல்வேறு துறைகளில் உள்ளவர்களுக்குப் பயன்படுகிறது:
- வடிவமைக்கப்பட்ட உரையை மாற்றுபவர்கள்: தடிமனான எழுத்துகள், பட்டியல்கள் போன்ற வடிவமைப்புடன் கூடிய உரையை (Rich text) எளிய நகலெடுக்கக்கூடிய வெற்று உரையாக மாற்ற விரும்புபவர்கள்.
- வலைப்பக்கத் துண்டுகளைப் பிரிப்பவர்கள்: முழுமையான வலைப்பக்கமாக இல்லாமல், குறிப்பிட்ட சில HTML துண்டுகளிலிருந்து (Web page fragments) மட்டும் உரையை எடுக்க நினைப்பவர்கள்.
- தரவு சேகரிப்பாளர்கள் (Web Scrapers): இணையத்திலிருந்து சேகரிக்கப்பட்ட HTML தரவுகளிலிருந்து (Scraped HTML) குறியீடுகளை நீக்கி, சுத்தமான உரையைப் பெற விரும்புபவர்கள்.
- உரை திருத்துபவர்கள்: முதலில் HTML வடிவத்தில் இருந்த உள்ளடக்கங்களை, எளிய உரை வடிவில் திருத்த வேண்டிய தேவை உள்ளவர்கள்.
அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)
கேள்வி: script மற்றும் style உள்ளடக்கங்களுக்கு என்ன நடக்கும்?
பதில்: Script, style, template மற்றும் noscript தொகுதிகள் முடிவிலிருந்து தவிர்க்கப்படுகின்றன, இதனால் வெளியீடு படிக்கக்கூடிய பக்க உரையில் மட்டுமே கவனம் செலுத்துகிறது.
கேள்வி: இது HTML குறியீடுகளை (entities) டீகோட் செய்யுமா?
பதில்: ஆம். பொதுவான குறியீடுகள் (entities) வெற்று உரை வெளியீட்டில் அவை குறிக்கும் எழுத்துகளாக மாற்றப்படுகின்றன.
கேள்வி: பத்திகளும் வரி முறிவுகளும் அப்படியே வைக்கப்படுமா?
பதில்: தொகுதி கூறுகள் (Block elements) மற்றும் வரி முறிவுகள் புதிய வரிகளாக மாறுகின்றன. மீண்டும் மீண்டும் வரும் இடைவெளிகள் நேர்த்தியாக்கப்படுவதால், முடிவை எளிதாக நகலெடுக்க முடியும்.
கேள்வி: எனது HTML தரவுகள் பாதுகாப்பாக இருக்குமா?
பதில்: உங்கள் HTML உங்கள் உலாவியிலேயே நீக்கப்படுகிறது. BroBroGo-விற்கு எதுவும் பதிவேற்றப்படாது என்பதால் உங்கள் தரவு உங்கள் சாதனத்திலேயே பாதுகாப்பாக இருக்கும்.