复制粘贴清理器
清理和净化从网站、PDF 和文档中复制的文本 - 删除格式、特殊字符和多余空格
快速预设
净化选项
所有文本处理都在您的浏览器中本地完成。
深度指南
复制粘贴净化器:清理流程、预设与陷阱
九个选项的确切执行顺序,哪些引号和破折号会被替换,三个预设设置了什么,以及陷阱:不间断空格会保留,除非勾选“删除非 ASCII 字符”;而该选项会删除所有带重音的字母、中文、泰米尔文和表情符号。
关键数字一览
- 选项
- 九个复选框,三个预设
- 预设只勾选复选框;需点击“净化文本”才会执行。
- 智能引号
- 转换十二种字符
- U+2018 U+2019 U+201A U+201B U+201C U+201D U+201E U+201F U+2039 U+203A U+00AB U+00BB 变成 ASCII 引号,包括德式低位引号。
- 删除非 ASCII 字符
- 删除可打印 ASCII 以外的所有字符
- 带重音的字母、中文、泰米尔文、表情符号、欧元和英镑符号都会被删除;不间断空格等 Unicode 空格会先变成普通空格。
- 格式
- 没有格式选项
- 输入框是纯文本,粘贴时粗体、斜体和链接已经被丢弃;原来的“删除所有格式”复选框从不起作用,已被移除。
运行方式
粘贴文本,选择预设或勾选选项,然后点击净化文本。不是实时的,也不会上传任何内容。按钮会用结果替换输出框,并显示原始长度、清理后长度、已删除数量和减少百分比(按 UTF-16 码元,保留一位小数)。如果没有任何变化,会提示这一点。复制和下载使用输出框的内容。
各步骤按固定顺序执行,只有勾选了对应选项才会运行:
- 隐藏字符: U+200B、U+200C、U+200D、U+2060、U+FEFF;控制字符 U+0000 至 U+0008、U+000B、U+000C、U+000E 至 U+001F、U+007F 至 U+009F;U+00AD、U+034F、U+061C、U+115F、U+1160、U+17B4、U+17B5、U+180E、U+3164;方向标记 U+200E、U+200F、U+202A 至 U+202E 以及隔离符 U+2066 至 U+2069;U+2028 和 U+2029 变成换行。与隐藏字符清理器的列表几乎相同,区别是这里会删除所有连接符(没有表情符号或波斯语的例外),也不会处理 U+00A0。
- 引号: U+2018、U+2019、U+201A 和 U+201B 变成
';U+201C、U+201D、U+201E 和 U+201F 变成";U+2039 和 U+203A 变成';U+00AB 和 U+00BB 变成"。 - 破折号: 短破折号 U+2013 和长破折号 U+2014 变成连字符
-;省略号 U+2026 变成...。 - URL: 删除以
http://、https://或www.开头直到下一个空白的内容。 - 电子邮件地址: 删除形如
[email protected]的字符串。 - 删除非 ASCII 字符: 先把 U+00A0 不间断空格、U+1680、U+2000 至 U+200A、U+202F、U+205F 和 U+3000 变成普通空格,再删除所有不是可打印 ASCII、换行或制表符的字符。
- 换行: CRLF 和单独的 CR 变成 LF。
- 多余空白: 连续空格和制表符变成一个空格,三个或更多换行变成两个,并去掉每一行开头和结尾的空格和制表符。
- 小写: 对结果执行
toLowerCase()。
计算示例
| 输入 | 选项 | 结果 |
|---|---|---|
“Don’t panic,” she said — it’s «fine»… |
基本 | "Don't panic," she said - it's "fine"... |
2020–2024、word—word |
基本 | 2020-2024、word-word |
„Hallo“ ‚x‘ |
基本 | "Hallo" 'x' |
see https://example.com/a, then www.test.org/x. or mail [email protected] now |
深度 | see then or mail now(链接后面的 , 和 . 一起被删除) |
café 新加坡 தமிழ் €5 🙂 |
深度 | caf 5 |
10 U+00A0 km |
基本 | 不变:不间断空格被保留 |
10 U+00A0 km |
深度 | 10 km:不间断空格变成普通空格,单词不会连在一起 |
a + 3 个空格 + b + 制表符 + c,然后 4 个换行,再 d |
基本 | a b c、一个空行、d |
预设
| 预设 | 勾选内容 |
|---|---|
| 基本清理 | 隐藏字符、引号、破折号、多余空白、换行 |
| 深度清理 | 基本清理加删除非 ASCII 字符、URL 和电子邮件 |
| 代码友好 | 仅隐藏字符和引号;保留缩进、破折号和换行符 |
小写从不属于任何预设。点击预设只会设置复选框,所以之后还要点击“净化文本”。
它抓不到的东西
- 不间断空格 U+00A0 和其他特殊空格(U+2009 细空格、U+202F 窄不间断空格)会保留,除非勾选删除非 ASCII 字符;该选项会先把 U+00A0、U+1680、U+2000 至 U+200A、U+202F、U+205F 和 U+3000 变成普通空格,所以单词不会连在一起。文字处理软件和网页常用这些空格,关闭该选项时,粘贴后的句子可能仍然不换行或搜不到。“多余空白”选项同样不处理它们。
- 撇号和其他形近字符: 撇号
′ ″,以及减号 U+2212、连字符 U+2010 和不间断连字符 U+2011 都不会被替换。德式低位引号如„Hallo“则会被转换:"Hallo"。 - 连接符: 删除 U+200D 会把
👨👩👧这样的表情拆成三个,删除 U+200C 会损坏波斯语文本。这类文本请取消勾选“隐藏字符”。 - Unicode 规范化(NFC/NFD)不会执行,BOM 在任何位置都会被删除,而不只是开头。
- 删除 URL 时,紧贴链接的标点也会一并删除。
提示: 处理源代码请用“代码友好”预设。勾选多余空白会丢失缩进:每一行都会被去掉首尾空白。
常见错误
- 对非英文文本选择“深度清理”,会把带重音的字母、中文和泰米尔文直接删光。
- 寻找“删除所有格式”选项。没有这个选项:输入框是纯文本,粘贴时粗体、斜体和链接已经没有了。
- 以为点击预设按钮就会执行清理。
- 以为结果不含任何不可见字符。请用隐藏字符清理器或文本转十六进制这样的十六进制视图检查。
相关工具
隐藏字符清理器精确显示存在哪些隐藏字符。移除换行符和文本压缩器处理换行和空白。大小写转换器比单一的小写选项提供更多大小写样式。文本对比显示改动之处。
常见问题
什么是复制粘贴清理器?
复制粘贴清理器是一种工具,通过删除不需要的格式、隐藏字符、智能引号、多余空格和特殊字符,清理从网站、PDF、Word 文档和其他来源复制的文本。它为您提供干净的纯文本,可以安全地粘贴到任何地方而不会出现问题。
为什么我需要净化复制的文本?
您需要净化复制的文本,因为网站、PDF 和 Word 文档等来源包含隐藏的格式、智能引号、特殊破折号、不可见的 Unicode 字符和多余的空格,这些在粘贴到表单、代码编辑器、数据库或其他应用程序时可能会导致问题。
我的文本是否发送到任何服务器?
不,绝对不会。所有文本净化都完全在您的 Web 浏览器中使用 JavaScript 进行。您的数据永远不会离开您的设备,使此工具对敏感文档、专有代码、客户数据和机密内容完全安全。
预设之间有什么区别?
基本清理删除格式并规范化文本(最适合一般使用)。深度清理还会删除 URL、电子邮件地址和所有非 ASCII 字符,因此重音字母、中文、泰米尔文和表情符号都会被删掉(最适合仅限英文的旧系统和数据库)。代码友好保留代码结构(最适合编程)。
这会损坏我的文本内容吗?
不,该工具仅根据您选择的选项删除格式和特殊字符。实际的单词和内容保持不变。但是,如果您的文本故意使用特殊字符或格式,这些将被删除,因此在使用之前请务必查看输出。
我可以清理代码片段吗?
是的,使用代码友好预设,它会删除有问题的字符(如智能引号和隐藏的 Unicode 字符),同时保留缩进、换行符和代码结构。非常适合清理从 Stack Overflow、文档或教程复制的代码。
什么是智能引号,为什么要删除它们?
智能引号(弯引号,如 "" 和 '')在排版上是正确的,但在纯文本、代码和许多应用程序中会导致问题。直引号("" 和 '')具有通用性。此工具将智能引号转换为直引号以获得最大兼容性。
如何处理 PDF 中的文本?
PDF 文本通常有过多的换行符和间距。使用基本清理预设,它会规范化空格并删除隐藏字符。文本将被重新格式化为结构正确的段落和句子。
这可以删除 URL 和电子邮件地址吗?
是的,启用"删除 URL"和"删除电子邮件地址"选项,或使用包含这些选项的深度清理预设。在清理数据库文本或想要删除联系信息时很有用。
换行符会发生什么?
启用"规范化换行符"时,换行符会规范化为 LF(Unix 样式)。该工具还会删除过多的空白行(超过 2 行),同时保留段落结构。这确保了所有平台上的一致格式。
是否有字符限制?
不,没有硬字符限制。但是,非常大的文本(数十万个字符)可能需要一些时间来处理。该工具可以即时处理典型的复制粘贴场景(最多数万个字符)。
我可以离线使用此工具吗?
是的,在初始页面加载后,该工具完全离线工作。所有处理都在您的浏览器中进行,无需任何互联网连接。非常适合在安全环境中处理敏感数据。
资料来源
- Unicode — Code charts (General Punctuation, U+2000 block) — Names for the quotation marks, dashes and ellipsis the tool replaces.
- Unicode FAQ — UTF-8, UTF-16, UTF-32 and BOM — U+FEFF as byte order mark and zero width no-break space.
- MDN — Regular expression character class escape
本指南用浅白语言解释已公布的规则,不构成财务、法律或官方意见。政策会变动,做决定前请向上方链接的政府机构核实。
把这个工具嵌入你的网站
免费使用。把这段代码贴到你的网页,并保留指向 ToolSG 的链接。