在线文档分析工具

在线文档分析工具

在线文档分析工具用于提取文档文本、统计字数并检查常见文档结构。支持批量选择和处理多个文件，便于一次性整理论文、报告、资料和其他文本内容。不同格式采用相应的解析方式，统计结果以工具实际识别的内容为准。

支持的文件格式

• TXT：读取纯文本，统计字符数、非空白字符数、行数、空白行、段落及中英文字符等信息。
• Markdown（.md、.markdown）：统计文本内容，并识别标题、列表、引用、代码块、链接、图片和表格等常见 Markdown 结构。
• DOCX：提取 Word 文档文本，分析可识别的段落、标题、表格、图片及字符数，并读取文件中存在的部分文档属性。
• RTF：解析富文本格式中的文本内容，并提供通用文本统计。
• HTML、HTM：在文本提取模式下读取网页文档中的文本内容，可根据选项决定是否保留链接信息。

批量文档处理

可以一次选择多个支持的文件，或通过文件拖放方式添加文件，减少重复操作。批量处理时应逐个查看文件的处理状态、结果和错误提示；某个文件格式不正确、内容损坏或无法解析时，应根据该文件的处理结果单独判断，不应将失败文件当作成功结果。

文本提取模式适合集中提取多个文件的正文，并在需要时复制或导出文本。结构分析模式适合对多个文件分别查看字数、文本统计及可识别的文档结构。批量结果应区分逐文件数据与合计数据，避免将不同文件的统计结果混为一谈。

文本提取与导出

提取模式支持将文档内容转换为便于编辑和整理的纯文本。可以查看提取结果、复制文本或导出 TXT 文件。纯文本不保留原文档的完整字体、颜色、分页、图片布局和其他视觉样式；如果需要保留原始版式，应同时保存原文件。

字符数与单词数统计

工具可统计字符数、非空白字符数、单词数、行数、空白行数、段落数、中文字符数、英文单词数、数字数量和预计阅读时间等信息。不同语言的分词规则不同，中文字符数与英文单词数采用不同的统计口径。阅读时间为估算值，不代表实际阅读时长。

Markdown 结构分析

Markdown 分析除通用文本统计外，还可识别不同级别的标题、列表项、引用、围栏代码块、链接、图片和表格等结构。源文本统计反映 Markdown 标记本身，去除部分标记后的正文字符数则用于估算实际阅读内容，两种统计口径并不相同。对于复杂嵌套、扩展语法或不规范 Markdown，应以工具实际识别结果为准。

DOCX 结构与文档属性

DOCX 分析可统计解析器能够识别的段落、标题、表格、嵌套表格、图片、字符数和单词数等信息，并读取文档中存在的标题、主题、作者、创建时间、修改时间、应用程序和页数等属性。部分属性可能缺失或过期；统计结果也可能与 Word 的分页、视觉行数或内置字数统计不同。

如何使用

1. 选择文本提取或文档结构分析模式。
2. 选择一个或多个支持的文件，也可以按工具提供的拖放方式添加文件。
3. 开始处理，并查看各文件的状态、文本内容或统计结果。
4. 根据需要复制文本、导出结果或整理各文件的统计数据。
5. 对于无法解析或结果异常的文件，检查文件格式、内容完整性和具体错误提示。

适用场景

• 批量提取论文、报告和资料文件中的文本。
• 检查 TXT、Markdown 等文本文件的字数、行数和段落数量。
• 分析 Markdown 文档中的标题、代码块、链接和表格结构。
• 查看 DOCX 文件中可识别的段落、标题、表格、图片和文档属性。
• 在提交、编辑或归档前，对多个文档进行内容核对。

隐私与处理限制

文件在浏览器本地处理，无需上传到业务服务器。文件大小、批次规模及解析器能力可能影响处理速度和可处理范围。损坏、加密、格式不匹配或结构复杂的文件可能无法解析；字符统计和结构识别也可能存在口径差异。重要结果应与原始文件核对。