documentApril 17, 202613 views2 min read
文本清洗工具使用说明：去空格、删空行、去 HTML 标签一页搞定
为什么文本经常会“看着正常，用起来很乱”？
从 PDF、网页、聊天记录、表格里复制出来的文字，经常带着各种隐形问题：多余空格、连续空行、HTML 标签、弯引号、制表符、奇怪符号。肉眼看似乎没问题，一粘到系统里就开始出错。
这时候最省事的做法，不是手动一点点删，而是先做一次文本清洗。
这个工具可以清洗什么？
在 tools.cooconsbit.com/tools/text-cleaner 里，你可以按需勾选规则，比如：
- 去掉每行首尾空格
- 合并多余空格
- 合并多余空白行
- 删除全部空行
- 去除 HTML 标签
- 把弯引号改成普通引号
- 删除特殊字符
- 删除数字
- 删除标点
- 统一换行格式
- 把 Tab 替换成空格
- 转小写或大写
- 解码常见 HTML 实体
推荐怎么用？
处理从网页复制出来的内容
如果原文里有 <p>、<div>、<span> 这类标签，可以勾选：
Strip HTML tagsDecode HTML entitiesCollapse spaces
这样能比较快地得到纯文本。
处理 PDF 复制后的乱格式
PDF 文本最常见的问题是空格乱、空行多、Tab 混进来。通常可以先勾选：
Trim each lineCollapse spacesRemove extra blank linesReplace tabs with spaces
处理要导入系统的数据文本
如果目标系统对字符很敏感，可以进一步勾选：
Normalize line endingsRemove special characters
但这一步要先预览结果，避免把本来有用的符号也删掉。
使用时最重要的一点
不要一次把所有选项都勾上。
文本清洗不是越狠越好，而是越贴合目标越好。比如你只是想去空行，就没必要顺手删标点；你只是想去 HTML，就不一定要全部改成大写。
适合哪些人？
- 内容运营：清理采集文本
- 开发者：处理接口入参或测试数据
- 编辑：整理复制稿件
- 学生和办公用户：清理 PDF 或网页复制内容
常见问题 FAQ
Q：去 HTML 标签后会自动去掉实体字符吗？
A：如果原文里有 &、 这类内容，可以再勾选 HTML 实体解码。
Q：删除特殊字符会不会删掉中文？
A：建议先看输出结果再复制。涉及多语言文本时，清洗要更谨慎。
Q：误删了还能恢复吗？
A：页面有清空前保留原内容的恢复逻辑，适合临时回退。
小结
文本清洗工具最大的价值，是把常见的“文字脏数据处理”集中到一个页面里。你不需要写正则，也不必在编辑器里反复查找替换，按目标勾选规则就能快速得到更干净的结果。