Online-Dokumentenanalyse

Online-Dokumentenanalyse

Dieses Online-Tool zur Dokumentenanalyse extrahiert Text, zählt Wörter und Zeichen und untersucht gängige Dokumentstrukturen. Es unterstützt die Auswahl und Verarbeitung mehrerer Dateien in einem Stapel und erleichtert so die Organisation wissenschaftlicher Arbeiten, Berichte, Referenzmaterialien und anderer Textinhalte. Die Formate werden mit jeweils geeigneten Methoden verarbeitet; die Statistiken beziehen sich auf die Inhalte, die das Tool tatsächlich erkennt.

Unterstützte Dateiformate

• TXT: Liest Klartext und ermittelt Statistiken wie Zeichenanzahl, Zeichen ohne Leerraum, Zeilen, Leerzeilen, Absätze sowie Zählwerte für chinesische und englische Texte.
• Markdown (.md, .markdown): Analysiert den Text und erkennt gängige Strukturen wie Überschriften, Listen, Blockzitate, Codeblöcke, Links, Bilder und Tabellen.
• DOCX: Extrahiert Text aus Word-Dokumenten, analysiert erkennbare Absätze, Überschriften, Tabellen, Bilder und Zeichenanzahlen und liest verfügbare Dokumenteigenschaften aus.
• RTF: Liest Text aus Rich-Text-Format-Dateien aus und stellt allgemeine Textstatistiken bereit.
• HTML und HTM: Extrahiert im Textmodus Inhalte aus Webdokumenten. Über eine Option lässt sich festlegen, ob Linkinformationen erhalten bleiben sollen.

Stapelverarbeitung von Dokumenten

Du kannst mehrere unterstützte Dateien gleichzeitig auswählen oder sie über die verfügbare Drag-and-drop-Oberfläche hinzufügen, um wiederholte Arbeit zu reduzieren. Prüfe während der Stapelverarbeitung den Status, das Ergebnis und die Fehlermeldungen jeder Datei. Wenn eine Datei ein ungültiges Format hat, beschädigte Inhalte enthält oder nicht analysiert werden kann, sollte sie anhand ihres eigenen Verarbeitungsergebnisses bewertet und nicht als erfolgreich behandelt werden.

Der Textextraktionsmodus eignet sich dazu, den Haupttext mehrerer Dateien zu sammeln und bei Bedarf zu kopieren oder zu exportieren. Im Strukturanalysemodus kannst du Textstatistiken und erkennbare Dokumentstrukturen für einzelne Dateien untersuchen. Unterscheide Einzeldateistatistiken von aggregierten Gesamtwerten, damit Ergebnisse verschiedener Dokumente nicht vermischt werden.

Textextraktion und Export

Der Extraktionsmodus wandelt Dokumentinhalte in Klartext um, damit sie leichter bearbeitet und organisiert werden können. Du kannst den extrahierten Text anzeigen, kopieren oder als TXT-Datei exportieren. Klartext bewahrt nicht alle ursprünglichen Schriftarten, Farben, Seitenumbrüche, Bildlayouts oder sonstigen visuellen Formatierungen. Bewahre die Originaldateien auf, wenn du das ursprüngliche Layout benötigst.

Zeichen- und Wortstatistiken

Das Tool kann Zeichen, Zeichen ohne Leerraum, Wörter, Zeilen, Leerzeilen, Absätze, chinesische Zeichen, englische Wörter, Ziffern und eine geschätzte Lesezeit zählen. Die Tokenisierungsregeln unterscheiden sich je nach Sprache. Deshalb werden chinesische Zeichen und englische Wörter nach unterschiedlichen Methoden gezählt. Die Lesezeit ist ein Schätzwert und entspricht nicht unbedingt der tatsächlichen Lesedauer.

Markdown-Strukturanalyse

Zusätzlich zu allgemeinen Textstatistiken kann die Markdown-Analyse Überschriftenebenen, Listeneinträge, Blockzitate, abgegrenzte Codeblöcke, Links, Bilder und Tabellen erkennen. Statistiken auf Grundlage des Quelltexts enthalten Markdown-Markierungen; Zeichenanzahlen, bei denen bestimmte Markierungen entfernt werden, dienen dagegen zur Schätzung des lesbaren Inhalts. Diese Zählweisen unterscheiden sich. Bei komplexen Verschachtelungen, erweiterten Syntaxelementen oder fehlerhaftem Markdown hängt das Ergebnis davon ab, was das Tool erkennt.

DOCX-Struktur und Dokumenteigenschaften

Die DOCX-Analyse kann erkennbare Absätze, Überschriften, Tabellen, verschachtelte Tabellen, Bilder, Zeichen und Wörter zählen. Außerdem lassen sich verfügbare Eigenschaften wie Titel, Betreff, Autor, Erstellungsdatum, Änderungsdatum, Anwendungsprogramm und Seitenzahl auslesen. Einige Eigenschaften fehlen möglicherweise oder sind veraltet. Die Ergebnisse können außerdem von der Seiteneinteilung, der visuellen Zeilenzählung oder der integrierten Wortzählung in Word abweichen.

So verwendest du das Tool

1. Wähle den Modus Textextraktion oder Dokumentstrukturanalyse.
2. Wähle eine oder mehrere unterstützte Dateien aus oder füge sie per Drag-and-drop hinzu.
3. Starte die Verarbeitung und prüfe den Status jeder Datei, den extrahierten Text oder die Statistiken.
4. Kopiere Text, exportiere Ergebnisse oder organisiere Einzeldateistatistiken nach Bedarf.
5. Wenn eine Datei nicht analysiert werden kann oder unerwartete Ergebnisse liefert, prüfe das Dateiformat, die Integrität des Inhalts und die konkrete Fehlermeldung.

Anwendungsfälle

• Text aus wissenschaftlichen Arbeiten, Berichten und Referenzdokumenten stapelweise extrahieren.
• Zeichen-, Zeilen- und Absatzzahlen in TXT- und Markdown-Dateien prüfen.
• Überschriften, Codeblöcke, Links und Tabellenstrukturen in Markdown-Dokumenten analysieren.
• Erkennbare Absätze, Überschriften, Tabellen, Bilder und Dokumenteigenschaften in DOCX-Dateien untersuchen.
• Mehrere Dokumente vor der Abgabe, Bearbeitung oder Archivierung überprüfen.

Datenschutz und Verarbeitungsgrenzen

Die Dateien werden lokal im Browser verarbeitet und nicht auf den Anwendungsserver hochgeladen. Dateigröße, Stapelumfang und Parserfähigkeiten können die Verarbeitungsgeschwindigkeit und den verarbeitbaren Inhalt beeinflussen. Beschädigte, verschlüsselte, formatfremde oder strukturell komplexe Dateien lassen sich möglicherweise nicht analysieren. Zeichenstatistiken und Strukturerkennung können zudem von anderen Anwendungen abweichen. Überprüfe wichtige Ergebnisse anhand der Originaldateien.