راهنمای پاکساز متن (حذف موارد اضافی)
متنهای کپیشده چرا همیشه کثیفاند؟
اگر متن را از PDF، واتساپ، فایل اکسل یا صفحات وب کپی کنید، معمولاً با چند مشکل همزمان روبهرو میشوید: خطوط خالی متوالی، فاصلههای عجیب اول و آخر خطوط، حروف عربی «ي» و «ك» بهجای «ی» و «ک» فارسی، و در جستجوی سایتها یا جستجوی وردپرس همین یک حرف باعث میشود نتیجه پیدا نشود. اگر متن هم لیستی باشد، خطوط تکراری هم اضافه میشوند. پاک کردن دستی این موارد برای متنی چندصفحهای عملاً غیرممکن است.
پاکساز متن دامینز همه اینها را با چند کلید یکجا انجام میدهد: حذف خطوط تکراری، حذف خطوط خالی، حذف فاصلههای ابتدا و انتهای خطوط، فشردهسازی فاصلههای تکراری، اصلاح حروف عربی به فارسی و تبدیل اعداد انگلیسی به فارسی. مرتبسازی الفبایی و بر اساس طول خط هم برای ساختن لیستهای تمیز (مثل لیست اسمها یا محصولات) پیشبینی شده است.
کاربردهای رایج
پاکسازی لیست ایمیلها یا شمارهها قبل از درج در نرمافزار، آمادهسازی متن برای درج در وردپرس یا اکسل، تمیز کردن خروجی OCR و اسکن متن، یکسانسازی املای «ی» و «ک» در پایگاه داده، و خلاصه کردن گزارشهای خروجی از سیستمها که هر خط چند بار تکرار شده است. آمار خطوط، کلمات و کاراکتر قبل و بعد از پاکسازی هم نشان داده میشود تا ببینید دقیقاً چقدر از متن شما حذف شده است.
تمام پردازش در مرورگر شما انجام میشود؛ متن محرمانه شما هرگز به سرور ارسال نمیشود.