Ինչպես HTML-ից ստանալ մաքուր տեքստ՝ հեռացնելով պիտակները

Փոխարկման նպատակը և կիրառման դեպքերը

HTML-ից մաքուր տեքստ ստանալը օգտակար է, երբ պետք է առանձնացնել ընթերցվող բովանդակությունը նշագրման տարրերից։ Այս մոտեցումը կարող է հարմար լինել հոդվածի հատվածը խմբագրելու, պատճենված նյութը պարզեցնելու կամ տեքստը մեկ այլ դաշտում օգտագործելու համար։ Փոխարկիչը ստացված HTML պարունակող տեքստից հեռացնում է HTML ոճի պիտակները, սակայն պահպանում է դրանց շրջապատող տեքստային բովանդակությունը։

Գործիքը նախատեսված է տեքստային արժեքի համար, իսկ պարզ HTML պարունակող մուտքն ընդունվում է հաջողությամբ։ Տողերի բաժանումը, հղումների պահպանումը և script/style հատվածների հեռացումը կառավարվում են առանձին ընտրանքներով։ Դրանց սկզբնական վիճակը նախատեսված է հաճախ հանդիպող ընթերցվող արդյունք ստանալու համար, բայց կարող եք փոխել այն, եթե ձեզ անհրաժեշտ է ավելի խիտ կամ ավելի մաքուր ելք։ Դատարկ դաշտը նույնպես վավեր մուտք է. այդ դեպքում արդյունքը դատարկ պարզ տեքստ է։

Փոխարկիչի օգտագործման քայլերը

1. Պատրաստեք մուտքը որպես տեքստային արժեք։ Տեղադրեք HTML պարունակող հատվածը մուտքագրման դաշտում՝ պահպանելով այն բովանդակությունը, որը ցանկանում եք տեսնել արդյունքի մեջ։ Եթե արժեքը սկզբում այլ տիպի է, նախ այն վերածեք տեքստի, քանի որ ոչ տեքստային արժեքների աջակցությունը հաստատված չէ։

2. Ստուգեք տողերի բաժանման ընտրանքը։ Այն սկզբնական կարգավորմամբ միացված է, ուստի պարբերությունը, բաժինը, վերնագիրը, ցանկի տարրը, աղյուսակի տողը, մեջբերումը և <br> տարրը արդյունքի մեջ ստեղծում են տողերի բաժանում։ Անջատելու դեպքում այդ տարրերի համար հատուկ բաժանում չի ավելացվում, սակայն պիտակները հեռացվում են, իսկ դրանց պարունակությունը պահպանվում է։ Ընտրեք անջատված վիճակը, եթե ցանկանում եք ստանալ ավելի շարունակական տեքստ։

3. Կարգավորեք հղումների պահպանումը ըստ ձեր նպատակի։ Սկզբնական կարգավորմամբ համապատասխան հղման տեսանելի տեքստը մնում է արդյունքի մեջ, իսկ կրկնակի չակերտներով href արժեքը կցվում է քառակուսի փակագծերում։ Այս տարբերակը օգտակար է, երբ ընթերցվող անվան կողքին պետք է պահպանել նաև մուտքում գրված հասցեի տեղեկությունը։ Փոխարկիչը չի բացում և չի ստուգում այդ հասցեն, այլ օգտագործում է մուտքային հատվածում արդեն առկա համապատասխան տվյալը։

4. Որոշեք script/style բլոկների մշակումը։ Այդ հեռացումը սկզբնական կարգավորմամբ միացված է, և միացված լինելու դեպքում հեռացվում են թե՛ բլոկները, թե՛ դրանց պարունակությունը։ Անհրաժեշտ ընտրանքները սահմանելուց հետո գործարկեք փոխարկումը և դիտեք ստացված դաշտը։ Եթե նյութը երկար է, համեմատեք արդյունքի առաջին ու վերջին հատվածները սկզբնական բովանդակության հետ, որպեսզի նկատեք անցանկալի կառուցվածքային տարբերությունները։

Ելքի ընթերցում և սահմաններ

Արդյունքի հիմնական մասը կազմված է սկզբնական նյութի տեքստային բովանդակությունից՝ առանց HTML ոճի պիտակների։ Միացված տողաբաժանման դեպքում բլոկային նշանակություն ունեցող նշված տարրերը տեսանելի են դառնում առանձին տողերով, իսկ անջատված վիճակում դրանց միջև հատուկ բաժանում չի ավելացվում։ Սա օգնում է տարբերել գործիքի կառուցվածքային պարզեցումը բովանդակության հեռացումից։

Աջակցվող անվանված էությունները վերծանվում են համապատասխան նիշերի։ Այդ խմբում ընդգրկվում են տարածված կետադրական, բացատային, արժութային, հեղինակային, գրանցված ապրանքային նշանի և ապրանքային նշանի էությունները, ինչպես նաև տասնորդական թվային նիշերի հղումները։ Դրանից հետո երեք կամ ավելի հաջորդական տողաբաժանումները կրճատվում են երկուսի, երկու կամ ավելի բացատները՝ մեկի, իսկ սկզբի ու վերջի ավելորդ բացատները հեռացվում են։ Ուստի ելքի տեսքը կարող է փոքր-ինչ ավելի սեղմ լինել, քան մուտքինը։

Հղման հասցեն կհայտնվի միայն այն համապատասխան դեպքերում, որոնց համար նշված է կրկնակի չակերտներով href արժեք։ Անսովոր, վնասված կամ չաջակցվող նշագրման ձևերի դեպքում պետք չէ ակնկալել լիարժեք HTML փաստաթղթի վերլուծություն։ Եթե կառուցվածքը կարևոր է, նախ ստուգեք մի քանի փոքր հատված և ընտրանքների երկու վիճակները՝ հետո մշակելով երկար նյութը։

Գործնական օրինակ

Խմբագիրը հոդվածի HTML հատվածից ցանկանում է ստանալ վերնագիրն ու բովանդակությունը՝ առանց նշագրման պիտակների։

Տեղադրեք <h1>Վերնագիր</h1><p>Բովանդակություն</p> հատվածը մուտքի դաշտում և թողեք տողերի բաժանման սկզբնական կարգավորումը։

Ելքում կստացվի երկու տող՝ «Վերնագիր» և «Բովանդակություն» արժեքներով, առանց <h1> ու <p> պիտակների։

Սահմանափակումներ

• Փաստաթղթավորված մուտքը տեքստային արժեք է, իսկ ոչ տեքստային արժեքների աջակցությունը հաստատված չէ։ Անսովոր կամ վնասված նշագրման մշակումը չի ներկայացվում որպես լիարժեք HTML փաստաթղթի վերլուծություն։

Հաճախակի սխալներ

• Եթե փոխարկումը ձախողվում է ոչ տեքստային արժեք փոխանցելիս, պատճառը կարող է լինել մուտքի ձևը։ Նախ այդ արժեքը վերածեք տեքստային արժեքի, ապա նորից տեղադրեք այն մուտքի դաշտում։

Հաճախ տրվող հարցեր

Հղման հասցեն կարո՞ղ է մնալ արդյունքի մեջ։

Պայմանն այն է, որ հղումը համապատասխանի մշակման ձևին և ունենա կրկնակի չակերտներով href արժեք։ Այդ դեպքում պահպանվում է հղման տեքստը, իսկ հասցեն ավելացվում է քառակուսի փակագծերում՝ առանց հասցեն բացելու կամ ստուգելու։

Ինչպե՞ս են մշակվում script և style բլոկները։

Սկզբնական կարգավորմամբ script և style բլոկները հեռացվում են իրենց պարունակությամբ։ Եթե ընտրանքը անջատեք, այդ հատուկ հեռացումը չի կիրառվի։

Ի՞նչ կլինի դատարկ մուտքի դեպքում։

Այո, եթե դաշտը դատարկ թողնեք, գործարկումը հաջողությամբ կավարտվի, իսկ պարզ տեքստի արդյունքը նույնպես դատարկ կլինի։