文本清洗

按你选的规则清理文本里的标点和符号:可以按句末标点、停顿标点、括号引号、连接符、其他符号分类分别删除或保留,全角半角统一,连续重复的标点合并,表情符号和零宽字符移除;另可删除数字、把换行合并成空格。停用词只删除你自己上传或填写的词,不使用内置词表。

勾选【仅保留中文内容】只留中文字和中文标点,英文与数字一并丢弃,适合处理网页抓下来的材料。长文可以切成等长片段,也可以删掉短于指定字数的行。

加载文件上传组件中...

选择需要处理的标点和符号类型。未选择的类型不会因本组设置被删除。

已选项示例:😀 🎉 👍 !!! → ! ??? → ? 。。。 → 。 , 、 ; : , ; : - — – _ / \ | · … ~ ~

每 10,000 个字符 1 点

文本清洗常见问题

停用词用的是哪份词表?
只删除你自己上传或填写的词,不使用内置词表。
网页抓下来的材料怎么清?
勾选仅保留中文内容,只留中文字和中文标点,英文与数字一并丢弃。
长文能切成小段吗?
可以切成等长片段,也可以删掉短于指定字数的行。
文本清洗怎么用?
不用安装软件,也不用写代码。
文本清洗怎么计费?
按文字量计费,每满 10000 字 1 点,不足 10000 字按 1 点算。提交前页面会显示本次消耗。
结果可以写进论文吗?
可以。报告里的数字和图表附有统计口径与原文出处,末尾有方法说明,涉及统计模型的报告还列出参考文献,可以作为论文附件或方法依据。
相关工具
  • 中文文本规范化统一中文材料里的繁简、引号、全半角和省略号写法,可把数字改写成中文,并整篇注音。
  • 标点纠正在不改动文字和断句的前提下,修正中文文本里写法不统一或用错的标点。
  • 文本结构还原器给标点缺失的中文文本补上标点并断句,不增删词语、不调换词序。
  • 敏感信息脱敏批量识别并替换文本里的身份证号、手机号、银行卡号等固定格式个人信息。
  • 中文文本简化删减中文文本中的冗余表达,改写口语表述。
  • 重复内容合并把意思高度接近的内容归成一组,每组保留一条代表文本、其余标为并入,给出可核对的合并方案。