零代码在线文本分析·图像处理

对每行文本做清理：可选停用词与自定义词表、删除全部标点或保留常用标点、强力剥离网页与代码噪声（中文），并按 20～500 字窗口分段。结果页含处理行数与空行、原文字符与清理后字符、各文件名下原始与清理字符及处理行数、删除字符与比率，以及完整度保留解读。适合爬虫与混排文档规范化，也适合为主题分析准备定长片段

对文本逐词进行词性标注，支持中文和英文。中文同时使用Jieba和SpaCy两种分词引擎对比标注，英文使用SpaCy标注，可配置自定义词典和停用词。结果页展示总词数、唯一词数、词性多样性、词汇多样性等统计对比，Jieba和SpaCy的词性分布柱状图，以及各词性的典型词汇示例，支持导出CSV。适合语言学研究中分析文本词性结构，也适合中文分词方案选型时对比不同引擎的标注差异。

从文本中提取关键词并计算权重，可选DeepKeyword深度学习模型、TF-IDF词频统计和TextRank语义图谱三种提取方法，支持txt和csv格式。

DeepKeyword模式可配置最大关键词数量、最小关键词长度等参数。

结果页展示处理行数、关键词数量等统计概览，关键词词云图，以及关键词权重分布柱状图，多文件时还提供汇总词云，支持导出CSV。适合学术论文中提取核心术语，也适合电商评论中发现高频产品特征词。

回答「材料里反复围绕哪些说法、焦点是否被少数词主导、多篇是否共用一套高频表述」等问题。词语出现次数与占全文比重的排序，可用于写摘要时抓重点词、核对某提法是否被反复强调；总词量、不同词数量与平均词频等汇总，有助于判断材料用词是分散还是高度集中。可视化呈现便于快速建立对焦点词的直观印象；分文件结果便于对照各篇差异。适用于通稿与政策解读类材料的提法集中度检视，以及问卷开放题中受访者反复提及的主题归纳。

系统可自动识别文本中的人物、组织、概念等实体及其相互关系，生成可交互的知识图谱。较长文本会智能分块、逐段抽取后合并结果。开启「聚类优化」可自动合并同义实体与关系，减少重复，让图谱更清晰准确。建议输入包含可区分实体与陈述的内容（避免纯口号或极短文本），合并后不少于 500 字；过长文本会按设定的分块大小切分后抽取。

支持上传最多 5 个 TXT 文件（合并后总字数不超过 10 万字），系统按上传顺序直接拼接后统一处理。

为保证数据准确性，并务必在处理之前删除页码、参考文献等无用信息，推荐使用强力清洗后的文本文件。

对中文文本逐句进行多维度隐含情感分析，识别阴阳怪气、过度捧杀、隐含负面等字面之外的真实态度。结果页展示平均正负面情感、阴阳怪气程度、隐含负面程度等总体统计和正负面情感分布统计表，以及每句话含正面情感、阴阳怪气、表达意图一致性、过度捧杀、赞美真实性、情感类别（10类）、情感强度、情感复杂度、隐含负面、分析置信度等维度的明细表，支持导出CSV。适合社交媒体舆情中识别反讽和隐性攻击，也适合消费者评论中发现表面好评下的真实不满。