Инструмент фильтрации файлов по количеству символов в тексте

Отбирает файлы из различных форматов документов (TXT, PDF, DOCX, PPTX и др.) по заданному диапазону количества китайских иероглифов и поддерживает скачивание в архиве.

Сообщить об ошибке

Режим выполнения в браузере: Ваши данные обрабатываются в браузере и не загружаются на сервер.

Скорость и стабильность: Скорость обработки зависит от вашего устройства и браузера. Для больших пакетов настольная версия может быть стабильнее.

Загрузка инструмента, подождите...

Если онлайн-инструмент не загружается или не запускается, попробуйте настольный инструмент. https://tools.yikeaigc.com/

Использование инструмента

Вернуться к старой версии

Сначала подтвердите диапазон слов, метод подсчета и параметры разбора в «Настройках фильтра», затем нажмите «Начать». Файлы читаются, подсчитываются и упаковываются только на этой странице; при массовом выборе показаны первые 20, но обработаны будут все выбранные файлы.

1Выберите файлы или папку

Нажмите, чтобы выбрать файлы, или перетащите документы сюда Поддерживаются TXT, SRT, HTML, Markdown, DOCX, PDF, PPTX, XLSX и др.; также можно выбрать папку для пакетного чтения.

При выборе папки поддерживаемые документы читаются рекурсивно. Чтобы не перегружать интерфейс, в списке показаны только первые 20.

2Пример данных

Выбранные файлы

Общий размер

0 KB

Поддерживаемые форматы

Кол-во в предпросмотре

3Предпросмотр файлов

Файлы еще не выбраны. Можно сначала загрузить пример данных, затем перейти к настройкам фильтра.

1Диапазон слов

Мин. слов

Пусто — без нижнего лимита.

Макс. слов

Пусто — без верхнего лимита.

Способ фильтра

В ZIP попадут только файлы по фильтру.

2Метод подсчёта

Китайские иероглифыСчитает только китайские иероглифы; для китайских текстов.

CJK-символыСчитает символы CJK; для многоязычных документов.

Кит./англ. словаКитайский — по символам, английский и цифры — по словам.

Видимые символыСчитает непробельные символы; для фильтра по длине.

3Разбор и очистка

Кодировка текста

Начальная стр. PDF

Только для PDF.

Конечная стр. PDF

0 — обработать до последней страницы.

Объединять пробелыУменьшает влияние переносов и пробелов Игнорировать пунктуациюДля видимых символов и смешанного подсчёта Полная ширина в обычнуюЦифры и буквы считать проще

Результат обработки
После фильтрации можно скачать ZIP с подходящими файлами или экспортировать полный отчет CSV.

Ожидает обработки0%

Обработка файлов

Подходит

Нет совпадений

Ошибка разбора

1Результат фильтрации

Еще не обработано. Сначала перейдите в «Настройки фильтра» и подтвердите параметры.

2Журнал обработки

Ожидание запуска обработки.

Инструкции

Инструкция по использованию программы

Выберите файл или папку: нажмите «Выбрать файл» или «Выбрать папку», также можно сразу загрузить пример данных. При пакетном импорте в списке отображаются только первые 20 файлов, остальные будут указаны в уведомлении, но при обработке будут учтены все.
Сначала настройте параметры: перейдите в «Настройки фильтра», по порядку проверьте диапазон количества символов, способ подсчёта, кодировку, диапазон страниц PDF, правила обработки пробелов и пунктуации, затем переходите к следующему шагу.
Начните обработку: после нажатия «Начать обработку» инструмент локально прочитает и подсчитает содержимое файлов, не загружая их на сервер.
Просмотрите результаты: после завершения обработки на странице результатов просмотрите подходящие элементы, непопавшие и список ошибок разбора; также можно переключать отображение по диапазону результатов.
Скачайте вывод: отметьте нужные результаты и скачайте ZIP или CSV. В файлах результатов будут сохранены исходные имена файлов, а к файлам с одинаковыми именами автоматически добавятся числа для различения.
Продолжайте пакетную обработку: на каждой странице шага есть кнопка «Далее», чтобы быстро перейти к следующей странице настроек и выполнить обработку заново.

Частые вопросы

Ответ: поддерживаются распространённые форматы TXT, SRT, MD, HTML, HTM, DOCX, PDF, PPTX, XLSX, CSV, JSON, XML, XLS, а также рекурсивное чтение папок.

Ответ: можно указать точный диапазон, например «300-1200»; также можно указать одно число — это будет означать диапазон от 0 до этого значения, что удобно для фильтрации коротких текстов или пустого содержимого.

Ответ: если вас в основном интересует китайский текст, выберите количество китайских иероглифов; если в документе смешаны китайский и английский, выберите смешанный китайско-английский подсчёт; если важнее фактически отображаемое на странице содержимое, выберите подсчёт видимых символов.

Ответ: Если PDF очень большой, можно подсчитать только указанный диапазон страниц, не обрабатывая весь документ. Это удобно, когда нужно проверить только определённый фрагмент содержимого.

Ответ: К исходному имени файла автоматически добавляется число, например файлы с одинаковым именем станут «имя файла(2)», «имя файла(3)», чтобы избежать дубликатов внутри архива.

Ответ: Распространённые причины: файл повреждён, формат некорректен, ошибка кодировки, содержимое пустое или тип файла не соответствует расширению. Можно сначала попробовать другой пример в похожем формате.