富文本清理

如何使用富文本清理

关于富文本清理的常见问题

富文本清理会上传我粘贴的内容吗

不会上传。读取剪贴板、解析富文本、去格式与清理全部在你的浏览器里用 JavaScript 完成，页面没有任何一次把内容发往服务器的请求，关闭或刷新页面即全部清除，断网状态下同样能用。剪贴板里的原始 HTML 只存在于内存中，不写入本地存储；本页只记住你选的场景与清理项这些参数偏好。所以处理合同、客户资料、内部文档也可以放心使用。

从 Word 复制的文字怎么去掉格式变成纯文本

打开本页，在粘贴区直接按 Ctrl+V。工具会取出剪贴板里那份带样式的 HTML，只把文字提取出来，字体、字号、颜色、背景、加粗、超链接、段落间距全部丢掉，右边就是纯文本。选「Word / WPS」场景还会顺手去掉 Word 自动编号复制过来的死数字，并把项目符号统一成「- 」。最后点「复制为纯文本」，再粘到任何地方都不会带格式。

网页上复制的文字粘贴过去带一堆样式怎么办

那是因为剪贴板里同时存了一份 HTML，目标软件优先用了它。本工具只读取这份 HTML 里的文字、丢掉全部标签与样式表——包括 script、style 和注释里的内容，一个字符都不会漏进结果，所以不会出现「粘出来一堆 CSS 代码」那种情况。它还会顺手删掉网页里常见的零宽字符和不间断空格，贴进 CMS 或表单就不会再带样式。

PDF 复制的文字每行都断开怎么接成段落

选「PDF / 论文」场景就行。PDF 是版式文件，换行是排版产物而不是段落，所以复制出来每行都断开。工具会按句末标点、行长度、是否列表行或表格行来判断哪些换行该接回去：中文直接相接、英文补一个空格，被连字符断开的英文单词（inter- 换行 national）也会拼回 international。如果原文本来就是诗歌、地址或代码，把「合并断行」改成「不合并」，台账里也会写明接回了多少处。

粘贴过来的文字里有看不见的字符怎么清掉

零宽空格、零宽连接符、BOM、软连字符、不间断空格、全角空格、方向控制符与 C0/C1 控制字符都会被清理，并在结果区逐项告诉你删了几个、分别是哪个码点（例如 U+200B×2、U+FEFF×1）。这类字符正是「看着一模一样却搜不到、对不上、导入报错」的原因。组成 emoji 的零宽连接符受保护，全家福表情不会被拆成三个人。

从文档抄的代码粘贴到编辑器就报错怎么解决

多半是 Word 或网页把直引号自动替换成了弯引号“ ”，或者混进了全角空格、不间断空格和零宽字符。选「代码 / 终端」场景，工具会把弯引号、破折号、省略号还原成 ASCII 字符并清掉隐形空白，同时不合并断行、不动你的空行与缩进。要调试正则用正则测试，要检查 JSON 用 JSON 格式化。

Ctrl+Shift+V 和在线粘贴去格式工具有什么区别

Ctrl+Shift+V（粘贴为纯文本）由目标软件自己实现，各家行为不一致：有的仍保留部分样式，有的在网页输入框里被网站接管，而且它只去样式，不会处理零宽字符、不间断空格、PDF 硬换行、Word 自动编号这些问题，更不会告诉你它做了什么。本工具按场景一次性处理这 17 类污染，并逐项列出改了什么、改了几处。

粘贴到 Word 不带格式怎么设置

Word 里点「开始 - 粘贴 - 只保留文本」就是一次性的不带格式粘贴；想以后按 Ctrl+V 默认如此，进「文件 - 选项 - 高级」，把「粘贴自其他程序」改成「仅保留文本」，WPS 的位置类似。要提醒的是这个设置只解决样式：从网页或 PDF 带过来的零宽字符、不间断空格、行尾空白和断开的行，照样会原样进入 Word 文档，只是你看不见。要连这些一起清干净，就先粘到本页处理完，再复制到 Word。

粘贴去格式会不会把我的文字内容改掉

默认只删格式和不可见字符，不改文字本身：中英文标点、全角标点、大小写一律不动，中文的全角逗号句号更是永远不碰（要转标点请用中英标点转换）。对照表里标了「会改动文字」的一共五项，其中弯引号 ASCII 化、删 emoji、去掉项目符号、去掉自动编号这四项默认全部关闭，只有你手动勾选或选了明确带上它们的场景才生效；第五项「合并断行」默认是保守的「自动判断」，只接回它有把握的排版换行，不满意随时改成「不合并」。每一项都会在结果区写明改了几处并给出前后对照。

富文本清理能保留段落和列表还是压成一段

三种输出都有。默认「保留段落」把段落分行原样保留，连续空行压成一个；「轻结构」在此基础上把列表统一成「- 」、表格用制表符分列，适合转手贴进笔记；「压成一段」把所有换行去掉合成一整段，中文直接相接、英文补空格，适合填表单和发消息。注意本页产出的始终是纯文本，不会输出 Markdown 的加粗和链接语法，要完整 Markdown 请用 HTML 转 Markdown。

复制表格粘贴过来会变成什么格式

HTML 表格默认转成制表符分隔的纯文本：每行一条，单元格之间是一个 Tab，可以直接粘进 Excel 或 Numbers 自动分列。也可以改成用空格分列，或者选「丢弃表格」把表格里的文字整体去掉。单元格之间的换行与缩进不会变成多余的尾随空格，所以粘进表格后每一列都是干净的。

微信公众号复制的文字粘贴后乱码乱排版怎么办

这些渠道的富文本里塞了大量 section 嵌套、内联样式和零宽字符，很多编辑器直接把它们原样吃下去，看起来就像乱码或排版全乱。选「微信 / 公众号」场景，工具只取文字、压掉多余空行、重点清掉零宽字符，链接地址可以选择保留在文字后面。真正的编码乱码（文件不是 UTF-8）本页会明确提示，请另存为 UTF-8 再来。

粘的是 HTML 源码能用富文本清理去标签吗

本页处理的是「复制粘贴过来的带格式内容」，也就是剪贴板里真的带了一份 HTML 的情况。如果你手上是一串 HTML 源码字符串（像 <p>你好</p> 这样能直接看见标签的文本），本页只会提示你、不会擅自解析——因为那样会把正文里正常的 a < b、泛型 List<int> 一起吃掉。这种需求要用专门的「去除 HTML 标签」工具（本站文本处理分类里就有）；如果你想连标题、链接和加粗一起保留成 Markdown，现在就可以用 HTML 转 Markdown。

手机上粘贴去格式还能用吗有什么不一样

能用，页面在窄屏上会自动纵向堆叠。要说明的是：手机和不少 App 的剪贴板只提供纯文本，格式可能已经由系统去掉了，这时页面上的徽章会如实标成「来源：纯文本」，而不是假装完成了去格式。即便只拿到纯文本，工具仍会清理隐形字符、多余空白、行尾空格和断行，这些问题在手机上同样存在。

富文本清理免费吗支持多大的文本和哪些文件格式

完全免费、无需注册、不加水印。粘贴的纯文本建议 500 万字以内，剪贴板富文本 1000 万字符以内，超过会明确提示已处理多少而不是静默截断；超过 20 万字会切换成「点按钮处理 + 进度条 + 可取消」的模式，避免卡住页面。文件方面支持拖入 .txt / .md / .log / .csv / .srt 等 UTF-8 纯文本，单文件 10 MB 以内；.html 文件不收，非 UTF-8 文件会提示另存为 UTF-8 后重试。

复制的文字带格式怎么去掉：9 种症状速查

先按你看到的现象找，比按「这属于第几类污染」找快得多。 下面九行覆盖了粘贴出问题时最常见的九种样子：左边是症状，中间是它真正的成因， 右边是本页对应的处理。找到自己那一行，照着选场景就行。

九种症状里有六种的根子是同一件事：剪贴板里存的从来不止你看见的那些字。 Word 存的是带 mso 类名的 HTML，网页存的是整棵 DOM 的片段，微信还会顺手塞进零宽字符。 目标软件拿到这份 HTML 就照单全收，于是样式、隐形字符、行尾空格一起进了你的文档。 本页的做法是绕开这一步：把那份 HTML 当字符串解析、只取文字，再按场景清理。

复制粘贴过来的文字有哪些格式污染：17 类对照

「粘出来不对劲」从来不只是字体和颜色的问题。真正让人抓狂的是那些看不见却会出事的东西：搜索搜不到、比对对不上、导入报错、代码粘进去就报语法错误。 下面这张表把本页会处理的每一类污染都写清楚了：它从哪来、不清会造成什么问题、本工具怎么处理。 表格与页面上的清理台账共用同一份数据，实现改了这里就会跟着改，不会出现说明与实际不符。

表里最值得单拎出来说的是两类。一类是零宽字符：它宽度为零、不显示、也搜不出来， 所以「零宽字符怎么删除」没法靠肉眼加退格键解决，只能按码点扫。本页按 U+200B、U+200C、 U+200D、U+2060、U+FEFF 这些码点逐个识别并报数，唯独放过组成 emoji 的那个零宽连接符—— 删了它，一家三口的全家福表情会当场散成三个人。 另一类是行尾空格：复制的文字行尾有空格几乎不可能被看见，却会让 Markdown 多出一个硬换行、 让 diff 整行标红、让配置文件的值莫名其妙多一截。本页默认逐行清掉行尾空白，行首缩进一律不动——代码与 YAML 的层级不会被破坏。

标了「会改动文字」的五项默认全部关闭或需要你显式选择场景， 其余的只删格式与不可见字符，不动任何一个可见的字。这是本页的底线： 静默改字的工具，用户第二次就不敢用了。想单独精修纯文本里的空行与空格， 用去空行空格；想做去重、排序、大小写， 用文本处理工具箱。

记事本中转和 Ctrl+Shift+V 去格式有什么区别

大部分人已经知道两个土办法：按 Ctrl+Shift+V「粘贴为纯文本」， 或者先粘进记事本再复制出来。它们都能去掉样式，但都只解决了问题的一半。

使用建议：日常在 Word、聊天窗里粘一句话，Ctrl+Shift+V 就够了； 一旦是「要入库、要发布、要和别的数据比对、要粘进代码编辑器」这几种情况， 就值得多开一个页面——因为出问题的往往不是样式，而是那几个看不见的字符。 本页与两个土办法最大的差别是它会告诉你它改了什么： 哪一类、几处、首个命中长什么样，全部列在结果区。

PDF 复制的文字为什么每行都断开，怎么接回段落

PDF 是版式文件：它记录的是「哪个字画在纸面的哪个位置」， 而不是「这段话有几个自然段」。排版软件在生成 PDF 时按行宽把文字切开， 于是复制出来就是一行一行的短句——那些换行是排版产物，不是作者的段落。 论文、扫描件、分栏排版的期刊尤其严重，有些还会在行末插一个看不见的软连字符把英文单词断开。

所以「pdf 复制粘贴换行怎么去掉」这个问题，准确的答法不是把换行全删掉。 PDF 复制的文字怎么合并成段落，取决于相邻两行到底是不是同一句话—— 删光换行会把诗歌、地址、歌词和代码一起改坏，留着又读不成段。

本页的「合并断行」就是在还原这件事。它不是无脑把所有换行都删掉—— 那会把诗歌、地址、代码、歌词全部改坏。判定依据一共五条，两行同时满足才会接起来：

接回时的拼接也分情况：两侧都是中文直接相接、不加空格； 有一侧是英文或数字则补一个空格；上一行以「字母 + 连字符」结尾就当成断词， 删掉连字符直接拼。「PDF / 论文」场景用的是更激进的「全部接回」， 因为 PDF 的每一行几乎都是排版换行；默认的「自动判断」则保守得多。 无论哪一档，台账都会写明接回了多少处， 发现接错了就把「合并断行」改成「不合并」，一键回到原样。

PDF 复制换行接回段落算例：三行变两行

从一篇 PDF 论文里复制下来的三行长这样（每行末尾都是 PDF 的排版换行）：

本文提出一种轻量的 inter-
national 文本清理方案。
实验部分见第 3 节。

选「PDF / 论文」场景后得到：

本文提出一种轻量的 international 文本清理方案。
实验部分见第 3 节。

第一行以「字母 + 连字符」结尾，判定为断词：连字符删掉、两半直接拼回 international，中间不补空格。第二行以句号收尾，命中「句末标点不合并」， 所以「实验部分见第 3 节。」仍然自成一行，没有被吸进上一段。 台账这次记的是合并断行 1 处——三行变两行，只动了该动的那一处。

还有两件事要提醒：分栏 PDF 复制文字排版乱是另一回事——两栏的文字会交错在一起， 页眉页脚也会混进正文，这是复制阶段就已经乱了，任何工具都救不回来，接回段落后请扫一眼； 另外如果你手上是 PDF 文件而不是复制的内容，那属于 PDF 提取文字的范畴，不在本页。

从文档抄的代码粘到编辑器就报错，是什么原因

这是「粘贴去格式」里最典型、也最费时间的一类问题：代码看上去一模一样， 粘进 IDE 或终端却直接报语法错误，逐字对了半小时也看不出差别。 元凶通常是下面四类字符——它们在文档里显示得和正常字符几乎一样：

为什么会变？Word、WPS 与很多富文本编辑器默认开着「智能引号」， 你敲的直引号会被自动替换成弯引号；中文输入法在全角状态下敲的空格是 U+3000； 网页排版为了对齐大量使用  ；某些站点还会主动往代码块里插零宽字符防复制。 选「代码 / 终端」场景可以一次解决：弯引号、破折号、省略号还原成 ASCII， 全角空格与零宽字符清掉，同时不合并断行、不压空行、不动缩进—— 代码的换行和缩进本身就是语义，动了就是另一个 bug。

清完之后想验证规则写得对不对，用正则测试； 贴的是 JSON 就用JSON 格式化校验一遍， 它会明确指出哪一行哪一列不对。

富文本清理的 8 个场景分别做什么

进页默认就是「网页复制」，什么都不点、粘上去就有干净结果。 换场景是为了处理那些只在特定来源才出现的问题， 下面这张表与页面上的按钮共用同一份配置，点哪个按钮生效的就是哪一行：

改动任意一个清理项都会自动切到「自定义」，你手动勾的开关不会被场景悄悄覆盖回去； 这些参数偏好会记在浏览器本地，下次打开还是你上次的配置， 但文本内容一个字都不会被存下来。

粘贴去格式、富文本转纯文本说的是一回事吗

大体上是，但有三处例外会让人白试半天。同一件事在不同人嘴里有十几种叫法， 而其中几组词指向的其实不是同一个需求——下面这张表按需求归组， 顺便说清哪一组该来本页、哪一组该去别处。

一句话分辨：你手上是「复制粘贴过来的内容」还是「一串能看见标签的源码」。 前者来本页，后者去去除 HTML 标签； 想连标题、链接、加粗一起保留成语法，那是HTML 转 Markdown 的活。

富文本清理一般用来做什么：7 个真实场景

• Word 稿件贴进 CMS 后台：编辑器最怕的就是 Word 粘过来的一堆内联样式和 mso 类名。选「Word / WPS」场景，正文只剩文字，自动编号那些死数字会一并去掉（删掉中间一条后面的号才不会全错），项目符号统一成「- 」，贴进后台不会再带样式。
• 网页资料贴进笔记与文档：网页复制会同时带 HTML 与纯文本两份，粘出来就是一堆字体和链接色。默认的「网页复制」场景只取文字、丢掉全部标签与样式表，顺手清掉网页里常见的零宽字符与不间断空格；想保留出处就把超链接改成「文字后面附上地址」。
• PDF 论文摘录重新排版：选「PDF / 论文」场景，硬换行会被接回完整段落，中文直接相接、英文补一个空格，被连字符断开的英文单词拼回原样，软连字符一并清掉。分栏 PDF 的页眉页脚可能混进正文，接回之后请扫一眼再用。
• 公众号文案二次编辑：微信、公众号、小红书的富文本里塞着大量 section 嵌套与零宽字符，这也是「明明一样却搜不到」的元凶。「微信 / 公众号」场景重点清零宽字符、压掉排版空行，并把链接地址留在文字后面。
• 网页表格贴进 Excel：HTML 表格默认转成制表符分隔，一行一条、单元格之间是 Tab，直接粘进 Excel 或 Numbers 就能分列。要做真正的表格格式转换请用 CSV 相关工具，本页只负责把表格文字取干净。
• 从文档或聊天记录里抄代码：选「代码 / 终端」场景：弯引号、破折号、省略号还原成 ASCII，全角空格与零宽字符清掉，同时不合并断行、不动空行与缩进——代码的换行和缩进本身就是语义。
• 客户发来的富文本要入库：选「只要纯文本（最狠）」，空行、项目符号、排版符号一并压干净，输出可以直接写进数据库字段或表单。入库前想确认长度有没有超，接着用字数限制检查。

最后说清本页的边界，免得白试：它只处理你复制粘贴过来的内容，输出永远是纯文本。 要把一串 HTML 源码字符串去掉标签，用去除 HTML 标签； 要把 HTML 转成带链接和加粗语法的 Markdown，用HTML 转 Markdown； 手上是 .docx 文件而不是复制的内容，用Word 转 TXT； 要成体系地互转中英文标点，用中英标点转换； 要做全角半角转换，用全角半角转换。 清理完之后的下一步通常是：先用去空行空格精修空白， 再用文本排序与文本去重整理， 需要自定义替换规则就交给批量查找替换， 发布前用字数限制检查确认没超平台上限。

相关教程

遇到格式选择、乱码或校验问题，可以先看这些说明再动手处理。

• 问题解答从网页或 Word 复制的文字格式很乱怎么清理？解释粘贴时格式为什么会跟过来（剪贴板同时存了纯文本和带样式的 HTML），并给出按来源清理的做法：网页、Word、PDF、微信、代码各用哪套预设，PDF 每行断开怎么合并成段落，零宽字符与不间断空格怎么清。