piapia123
zh

文本清洗

文本

所有处理都在浏览器本地完成,数据不上传服务器

输入
把文件拖到这里可直接载入
输出

从日志、表格或聊天记录里复制出来的一列内容,常常带着重复行、空行、行首编号和多出来的空格。这个工具把它们拆成六个可单独勾选的规则,勾上哪条就只做哪条。处理顺序是固定的(去行号 → 合并空白 → 去首尾空白 → 去空行 → 去重 → 排序),因为顺序会改变结果:先排序再去重和先去重再排序,留下的那一行并不相同。

功能

  • 去重行:保留第一次出现的那条,其余行的相对顺序不变
  • 排序行:可按码位升序/降序、按长度、自然序(item2 在 item10 前),或按拼音
  • 去重可忽略大小写:Foo 与 foo 算同一行,但留下的仍是原文
  • 按拼音排序用整行拼音作键,首字母相同时比后面的字母(张 zhang 在赵 zhao 前),中文名单不再按汉字码位乱排
  • 拼音表(447 KB)只在真的选了那一档时才下载,不进这个页面的首屏包
  • 去空行:只含空格或制表符的行,配合「去首尾空白」一起勾选即可清除
  • 去首尾空白:清掉每行两端的空格与制表符
  • 去行号:支持 1. / 1、/ (1) / 12) / 1: 等写法,且不会把日期与时间当成编号切掉
  • 合并多空格:连续的半角空格、制表符、全角空格压成一个
  • 六条规则独立开关,一条都不勾就原样输出(仅把换行统一成 LF)

使用方法

  1. 把要清洗的文本粘贴进输入框
  2. 按需要勾选规则,结果实时更新
  3. 点「复制」取走结果

常见问题

去重是按什么规则?
默认区分大小写,保留第一次出现的那一行,其余相同的行被删除,行序不变。想忽略大小写就勾上「去重时忽略大小写」—— 它把 `Foo` 与 `foo` 当作同一行,但留下的仍是原文,不会顺手把你的大小写改掉(要改大小写是「大小写与命名风格」那个工具的活)。
勾了「删除空行」,为什么还有空行?
只含空格或制表符的行在字符串层面不是空行。把「去掉每行首尾空白」一起勾上,它们被清成空串之后就会被删除。这两条规则本来就是配套的。
去行号会不会误删正文里的数字?
不会。规则要求数字后面必须跟明确的分隔符(. 、 , : ) 等)并且分隔符后跟空白,所以 2026.09 这样的日期、3:00 这样的时间都不会被当成编号。
「按拼音排序」和「按码位排序」差在哪?
差得很远。按码位排用的是汉字的 Unicode 编码:张(U+5F20)会排在李(U+674E)与王(U+738B)前面 —— 那是给程序看的次序,不是给中国人看的。按拼音排取的是整行拼音:李(li) → 王(wang) → 张(zhang),也就是名单、花名册、通讯录里那个次序。首字母相同时它会继续比后面的字母(张 zhang 在赵 zhao 前),而不是退回码位乱排。注意拼音表是 447 KB 的独立文件,只有你选中这一档时才会下载,不用它的人不受影响。
排序稳定吗?
稳定 —— 升序与降序都按 Unicode 码位比较,不用 localeCompare(那个会随系统语言给出不同顺序)。注意码位顺序下大写字母排在小写字母之前。另外两档是专门为「码位顺序不是你要的」准备的:按长度排序,以及自然序 —— 它让 item2 排在 item10 前面(普通排序会给出 item1、item10、item2)。

相关工具