星点文本工具完整指南 - 11个在线文本对比/去重/统计/清洗工具导航

8620 字
43 分钟
星点文本工具完整指南 - 11个在线文本对比/去重/统计/清洗工具导航

🌟 文本处理是四个岗位共同的碎活#

写文案的人会同时打开两份文档,逐句看这次改版动了哪几个词;运营会把三个渠道导出的名单合成一份,删掉重复的手机号;开发会从日志里截一段出来,把时间戳和请求 ID 对齐着看;做数据整理的人拿到一份从网页复制下来的清单,先清空行,再去掉每行开头的序号和多余空格。

四个岗位,四种身份,干的其实是同一件事:把一段不规整的文本,变成可以交付的东西。

这类活有个共同特点——技术上不难,难在「做完之后心里没底」。肉眼对比两百行文本,你很难确认自己没漏看一行;手工删重复项,删到第八十条的时候已经记不清前面见过什么;用记事本的查找替换处理一份配置,替换完发现连不该动的地方也改了,又没有撤销。文本处理的坑几乎都不在于「不会做」,而在于规则不清晰、结果不可核对、改完回不去。

星点文本工具(https://www.xingdian.net/app/text/)就是围绕这类碎活做的一套在线工具,一共 11 个微应用。它的定位可以拆成三句话:

  1. 单项任务给出明确参数。去重是按什么判重、排序按哪种规则、统计用哪套口径,都在界面上写清楚,而不是给你一个「智能处理」的黑盒。
  2. 多步任务串成可复现的步骤链。需要连续做去空行、去重、排序、加前后缀时,用批量处理把步骤排好,每次执行都基于原始输入重新算,不会越点越乱。
  3. 全部在浏览器本地完成。名单、日志、合同草稿、客户信息粘进去就行,不产生上传请求。

下面按「有什么工具」「遇到什么场景用哪个」「怎么组合」「几个必须分清的概念」「常见误区」的顺序讲。


🧭 11 个工具一览#

工具一句话说明链接
文本对比左右粘贴两段文本,按行/词/字符标出新增与删除进入
文本去重按完整行去重,保留首次出现与原始顺序进入
文本排序字符串、数字、自然三种排序,稳定且语言感知进入
文本统计字符、字节、行、段落、单词与字符类型分布进入
文本替换普通文本或正则查找替换,支持捕获组与撤销进入
文本清理去空行、去首尾空白、换行符检测与转换进入
大小写转换大小写与 camelCase、snake_case 等命名格式进入
文本分割与合并按分隔符拆分文本,或把多行合并成一段进入
行号处理添加、移除、重建行号,移除前先预览进入
批量文本处理12 种步骤自由组合,逐步预览,可重复执行进入
在线笔记本浏览器本地保存文本、Markdown 与代码笔记进入

四组工具的分工#

11 个工具听着多,按「你手上这件事属于哪一类」分组,其实只有四组:

分组的意义在于缩短选择路径。你不需要记 11 个名字,只要先判断「我是在看、在整、在改,还是在串」,范围立刻缩到两三个。


🎯 按场景选工具#

改文案后要对比两个版本#

用 文本对比。两边各粘一份,以左侧为基准:左有右无标成「删除」,右有左无标成「新增」,相同内容灰显。默认按行比较,适合段落、配置、代码这类以行为单位的文本;如果一行里只改了几个词,切到词级或字符级能直接定位到改动的那几个字。

三个忽略选项值得单独说:忽略行尾空白、忽略大小写、忽略空行。它们只影响比较判断,不会改写原文,所以可以放心开着。如果两份文本一个来自 Windows、一个来自 Linux,勾上「统一换行后比较」,避免整篇都被判成差异。结果可以切并排视图或统一视图,统一视图能直接复制成 Git 风格的 +/- 文本,发给同事看比截图清楚。

文本很大时会自动降级对齐算法,结果略粗但不会让页面卡死——这是有意做的取舍,宁可给你一个能看的结果,也不要转圈到崩。

名单、关键词、URL 要删重复#

用 文本去重。它的规则很窄,只有一条:按完整行判重。这意味着 abc 和 abcd 不算重复,同一行里出现的子串重复也不会触发去重。规则窄的好处是可预期,你粘进去 500 行,出来多少行、删了哪些,都能对上账。

默认保留第一次出现并维持原始顺序,可以改成保留最后一次,或者去重后按字典序重排。有两个选项容易看漏:

  • 忽略大小写判重:Apple 和 apple 算重复,但输出仍保留第一次出现时的原始写法,不会替你统一大小写。
  • 判重键与输出内容分离:可以「按去掉首尾空白后的值判重」,同时「输出保留原始空格」。这两件事被拆成两个开关,是为了避免「我只想去重,结果空格全被吃了」。

空行有三档策略:全部保留、把空行也当成重复项只留一个、直接删掉所有空行。结果区会给出总行数、去重后行数、删除行数,还能展开重复项清单看每一条出现了几次,并导出 CSV——做数据核对时,这份清单比结果本身更有用,它能告诉你「哪些值重复得最厉害」。

要按行排序#

用 文本排序。三种模式解决三种不同的「大小」:

  • 字符串模式:按语言规则比较,用浏览器内置的 Intl.Collator,默认中文环境,所以中文按拼音/语言习惯排,而不是按 Unicode 码点排成一片乱序。
  • 数字模式:把每行当一个数值比较,适合纯数字行,2 会排在 10 前面。
  • 自然模式:识别文本里的数字片段,file2 排在 file10 前面,适合文件名、版本号、章节号这类「带数字的字符串」。

支持升降序、忽略大小写、空行排前或排后。排序是稳定的:比较键相同的行保持原来的相对顺序,不会因为排序把同分组内的条目打乱。排序只改变行的顺序,不动行内文本和空格。

要数字数、字符数、行数、字节数#

用 文本统计,输入即统计。它的指标分四组,其中三个口径值得记住:

  • 字符数按 Unicode 码点统计,不按 JavaScript 的 .length。一个 emoji 在 .length 里是 2,在这里是 1 个码点。工具同时给出「用户感知字符数(字素簇)」,供需要按「看起来几个字」计算时参考。
  • UTF-8 字节数按真实编码长度算,不按「中文=2 字节」这种估算。一个汉字是 1 个码点、3 个字节;一个 emoji 是 1 个码点、4 个字节。
  • 行数口径统一:空字符串是 0 行,结尾的那个换行不会额外产生一个空的内容行。

除此之外还有非空白字符数、单词数、段落数、非空行/空行数,以及中文、英文字母、数字、空白、标点的分布,和 LF/CRLF/CR 换行符数量、制表符数量。做接口字段长度校验、做文案排版预算、排查「为什么数据库存不下」时,这些数比「大概多少字」有用得多。

要批量改文案、改配置#

用 文本替换。普通模式把查找内容当字面文本,.、*、[ 就是普通字符;正则模式走 JavaScript RegExp 语法,可以用 $1、$& 这类捕获组引用。

可以区分大小写,可以只替换第一个或全部,替换前有预览,替换后显示匹配数量和替换数量,还能撤销上一次结果。几个边界处理得比较保守:查找内容为空时直接禁止(空条件会在每个位置产生匹配,行为很难解释);正则写错会给出可读错误并保留原文;全程不用 eval 或 new Function 执行用户输入。正则语法本身可以配合 正则替换在线指南 和 正则文本处理 一起看。

要去空行、去空格、换换行符#

用 文本清理。三个子模式分别对应三件事:

  • 去除空行:删真正空行;可以把「只含空格或制表符的行」也当空行;可以压缩连续空行,也可以只删开头和结尾的空行。显示删了多少行。
  • 去除首尾空格:注意「全文 trim」和「每行 trim」是两个完全不同的操作。前者只去掉整段文本最前和最后的空白,后者对每一行的首尾分别处理。空白集合还能选:常见 Unicode 空白、仅空格、仅制表符。
  • 换行符转换:自动检测 LF、CRLF、CR,给出各自数量,混合换行会明确标记,然后统一转成目标格式,可选保留末尾换行。

去空行不会顺手 trim 其它非空行,这是刻意分开的:清理工具只做你指定的那一件事,剩下的事交给另一个开关或另一个工具。

需要多步清洗,一步接一步#

用 批量文本处理。它把常用动作做成可勾选、可排序的步骤:全文/每行去空白、删除空行、压缩连续空行、去重、排序、大小写转换、文本替换、添加/删除行号、换行符标准化、添加每行前缀/后缀,共 12 种。

和单独用某个工具相比,它的价值在两点:

  1. 顺序可见。「先去空行再去重」和「先去重再去空行」结果可能不同,因为空行本身也会参与判重。步骤链把顺序摊在界面上,你可以确认,也可以调。
  2. 可重复执行。每次执行都基于原始输入重新计算,所以连点三次「执行」不会叠三层行号、也不会加两遍前缀。某一步失败会指出是哪一步、什么原因,并保留最后一个成功的结果。

要把命名格式换成另一种#

用 大小写转换。自然语言那边有全部大写、全部小写、标题式、句首大写、大小写反转;开发者那边有 camelCase、PascalCase、snake_case、kebab-case、SCREAMING_SNAKE_CASE。

命名转换会先把空格、连字符、下划线和驼峰边界拆成词元,再按目标风格重新拼。连续缩写有固定拆词规则,比如 HTTPServer 会拆成 HTTP + Server,得到 httpServer 而不是 hTTPServer。中文和 emoji 不受影响,原样保留。标题式大小写用的是「每个英文单词首字母大写」的简单规则,不处理停用词,别拿它当出版社的编辑规范用。

要把一段拆成多条,或把多条合成一段#

用 文本分割与合并。分割可以按换行或自定义分隔符拆,能保留/移除空项、对每项 trim、限制最大分割次数,结果可以输出成「每行一条」或标准 JSON 数组。合并则按行连接,分隔符可选逗号、空格、分号、竖线、制表符或任意文本,支持忽略空行、每行 trim、加前缀后缀、整体包裹。

关键一点:分隔符按字面处理,. 、|、* 不会被当正则。需要正则分割时才去开高级选项。合并不做去重,要先去重就回 文本去重 走一遍——每个工具只负责一件事,组合起来才不容易出错。

要给清单加行号,或去掉旧行号#

用 行号处理。添加时可以设起始编号、步长、分隔符(空格/制表符/./)/:/自定义)、补零宽度和前缀,也能选跳过空行。

移除更值得说:它按模板匹配行首编号,内置 1.、1)、1:、1 ) 几种常见写法,也可以自己写正则。执行前会先预览「将要移除的前缀」和匹配行数。所以「2026 年计划」这种以数字开头的正文不会被误删——它不匹配「数字 + 分隔符」这个编号模板。想换一套编号规则,用「重建」模式:先按模板去掉旧号,再按新参数重排。

想临时放一段文本、代码或草稿#

用 在线笔记本。它支持纯文本、Markdown、代码、临时配置、草稿五种类型,代码笔记可以选语言做高亮(只展示不执行),Markdown 可以在编辑和预览之间切换,内容自动保存,显示「正在保存/已保存/失败」状态。

数据存在当前浏览器的 IndexedDB 里,不同步到其他设备,也不上传。可以导入本地文件,可以导出单篇、勾选多篇导出、或全部打包成 ZIP。本地保存不等于备份:清理浏览器数据、配额不足、换设备,都会让笔记消失,所以真要紧的内容请定期导出 ZIP。


🔄 三个组合工作流#

单个工具能解决单点问题,但真实任务通常是连着几步的。下面三个流程都比较常见。

工作流一:网页复制下来的脏清单,清干净再统计#

典型场景:从后台页面、PDF、聊天记录里复制一列数据,粘到 Excel 里全是空行、每行前面带空格、顺序混乱,还夹着一堆重复项。

  1. 先看规模。粘进 文本统计,确认总行数、空行数、换行符类型。如果显示 CRLF 和 LF 混在一起,说明来源不止一处。
  2. 清空白。用 文本清理 的「换行符转换」统一成 LF,再用「去除首尾空格 → 每行」,最后「删除空行」。
  3. 去重。粘进 文本去重,保留第一次出现,空行策略选「删除所有空行」。看结果统计里删掉了多少行,再展开重复项清单,确认重复的是不是你以为的那些。
  4. 排序。用 文本排序,纯数字行选数字模式,带编号的字符串选自然模式,中文名单用字符串模式(默认中文语言规则)。
  5. 复核。回到 文本统计 看最终行数,和去重后的行数对上,说明中间没有丢行。

这五步也可以一次性排进 批量文本处理:去空白 → 删空行 → 去重 → 排序,勾选执行后逐步看预览。先手动走一遍再固化成步骤链,是个稳妥的习惯——手动那一遍能让你知道每一步到底改了什么。

工作流二:两份名单核对,找出新增和消失的条目#

典型场景:上周的活动名单和本周的名单,要向上汇报「新增了谁、走了谁」。

  1. 先各自整理。两份名单分别过一遍 文本清理(去空格、去空行),再各自 去重,避免同一个人因为多打一个空格被当成两条。
  2. 统一排序口径。两边都用 文本排序 的字符串模式排一遍。排序不是为了让结果好看,是为了让后面的 diff 只反映内容差异,而不是顺序差异。
  3. 对比。把旧名单放左边、新名单放右边,用 文本对比,以左侧为基准看新增(右侧独有)与删除(左侧独有)。如果只想看「有没有变化」,勾上忽略大小写和忽略行尾空白,减少噪音。
  4. 留证据。切到统一视图,复制 diff 文本保存。汇报时说「新增 12 条、删除 3 条」,比说「差不多就这些」有说服力。

注意一个边界:文本对比是按行比对的,它不会自动做「集合运算」。如果两个名单的顺序完全没统一,diff 出来的结果会很乱——所以第 2 步不能省。要去掉两边共有的部分、只留差异,可以借助 文本统计 里的行数做交叉核对,或在 批量文本处理 里先合并再去重,人工确认哪些是「只出现一次」的条目。

工作流三:把一列 ID 变成 SQL 的 IN 列表#

典型场景:从报表里复制一列订单号或用户 ID,要拼成 IN ('a','b','c') 塞进 SQL,或者拼成 JSON 数组交给前端。

  1. 清洗。粘进 文本清理,每行去首尾空白,删空行。
  2. 去重。用 文本去重 删掉重复 ID,避免 SQL 里出现重复条件。
  3. 加引号和逗号。用 文本替换 的正则模式,把每行包成 '原值',。这一步用普通模式做不到(普通模式不能引用「整行内容」),必须用捕获组,比如把 ^(.+)$ 替换为 '$1',。
  4. 合并成一行。用 文本分割与合并 的合并模式,分隔符留空或设成空格,勾上「每行 trim」,一次把多行拼成一段。
  5. 收拾首尾。最后一个逗号要去掉,可以用 文本替换 处理末尾,也可以手动补 ( 和 )——分割合并工具支持加前缀后缀和整体包裹,能省一步。

如果这一套每周都要做,直接把 1、2、3 步排进 批量文本处理,下次只换输入。行数很多、需要核对时,用 行号处理 加一列序号,出错时能快速定位到第几条。


📚 四个容易混淆的概念#

文本工具用错,八成不是操作问题,而是概念没分清。下面四组是最常混的。

概念对差别什么时候必须分清
字符数 vs 字节数字符数按 Unicode 码点,字节数按 UTF-8 编码后的实际长度校验数据库字段长度、算传输体积、判断能不能存下
行 vs 段落行由换行符分隔,段落由连续空行分隔统计文案篇幅、判断「空行算不算内容」
普通替换 vs 正则替换普通模式按字面匹配,正则模式按模式匹配并可引用捕获组替换内容里含 .、*、( 等符号,或需要保留部分原文
分割 vs 合并分割是把一段拆成多条,合并是把多条拼成一段在 Excel 列与 SQL 列表之间来回转换时

字符数与字节数#

字符数回答「肉眼看到几个符号」,字节数回答「存起来占多少空间」。这两件事在纯英文文本里几乎相等,一旦出现中文、emoji、特殊符号就分叉:

内容码点数UTF-8 字节数
A11
中13
😀14
é12

所以「数据库字段限 100 字符,我写了 100 个汉字」这种判断经常是错的——如果字段实际按字节算,100 个汉字要 300 字节。反过来,前端显示「还剩 20 字」但提示超限,也可能是两边一个按码点、一个按字节在算。文本统计 把码点数、字素簇数和 UTF-8 字节数并排给出,就是为了让你一眼看出差在哪。

行与段落#

「行」的边界是换行符,「段落」的边界是空行。这个区别在统计里会直接体现:一段 5 行的文字,如果中间没有空行,行数是 5、段落数是 1;每行之间都空一行的话,行数是 9(含空行)、段落数是 5。

文本统计 的口径是:段落按连续空行分隔;纯空白输入算 0 段;连续多个空行不会被每个都算成一段。行数这边,空字符串是 0 行,结尾的换行不额外产生内容行——这两个约定看起来琐碎,但你拿工具的结果去和 wc -l、Excel 行号、编辑器行号对照时,就知道口径一致有多重要。

普通替换与正则替换#

普通模式把查找内容当字面量。你输入 a.b,它只匹配 a.b 这三个字符;输入 (,就匹配左括号本身,不会报「括号不匹配」。

正则模式把查找内容当模式。. 匹配任意字符,\d 匹配数字,( ) 是分组,替换内容里 $1 引用第一个分组。所以「给每行加引号」只能用正则模式做:^(.+)$ 替换成 '$1',,普通模式写不出来。

选择标准很简单:你找的东西是「确定的字符串」还是「一类字符串」。确定的用普通模式,一类的用正则模式。用正则时多看一眼预览——. 没转义、* 位置不对,是这类替换最常见的两个事故。

分割与合并#

分割和合并是互逆的一对,但它们的输入输出方向经常被搞混:

  • 分割:输入是一整段,输出是多条。适合把 a,b,c 变成三行,或者把一长串日志按分隔符切成条目。
  • 合并:输入是多行,输出是一段。适合把一列数据拼成逗号分隔的字符串、拼成 SQL 的 IN 列表、拼成 JSON 数组。

分割时注意「空项」。a,,b 按逗号分,中间会产生一个空字符串,是否保留由「移除空结果项」决定。文本分割与合并 默认把分隔符当字面文本,. 、| 不会变成正则;输出 JSON 数组时用标准序列化,引号和反斜杠会被正确转义。


⚠️ 五个常见误区#

误区一:以为 Word 的字数就是程序的字符数#

Word 的「字数统计」面板里同时有「字数」「字符数(不计空格)」「字符数(计空格)」「中文字符和朝鲜语单词」等好几项,每一项的口径都不同。中文环境下,一个词可能被算成 1 个「字数」但占 2 个字符;标点算不算、空格算不算,也取决于你看的是哪一行。

而程序的字符数通常指 Unicode 码点,字节数指 UTF-8 编码长度,两者又和 Word 不是一套账。所以「Word 说到 2000 字,为什么接口说超了」这种问题,本质是三个口径在打架。要对外交付字数,先约定清楚按哪个口径算;要写进代码做校验,直接量码点或字节,别拿 Word 的数字去凑。

误区二:以为去重会按「子串」去重#

文本去重 只按完整行判重。北京 和 北京市 是两行不同的内容,都会被保留;apple 出现在 apple pie 里,也不会导致 apple pie 被删掉。

这个限制是优点不是缺点。按子串去重听起来更「智能」,但结果几乎不可预测——你永远不知道它删掉的是重复项还是有效内容。真要处理「包含关系」,那属于模糊匹配或数据清洗的业务逻辑,应该先明确规则,而不是交给一个按钮。

误区三:以为 trim 不会改数据#

trim 就是「去掉首尾空白」,它当然会改数据——去掉的那部分就是改掉的部分。真正需要小心的是在哪个环节 trim、trim 之后还能不能还原。

典型事故:一份商品编码原本用尾部空格区分批次,为了「看起来整齐」做了一次每行 trim,空格没了,批次信息也丢了,而且没有原始备份。另一个常见情况是「按 trim 后的值判重」和「输出时保留原始空格」被混为一谈——文本去重 把这两件事拆成两个开关,就是防止你只想改判重规则,却顺手改掉了输出内容。

原则:先留一份原文,再做任何会改变字符的操作。用 在线笔记本 存一份原始输入,成本很低。

误区四:搞不清空行算不算一行#

空行在「行数」里算,在「内容」里不算。这个模糊地带会引出很多对不上的数字:

  • 编辑器显示 100 行,其中 20 个空行,实际内容行是 80 行;
  • 统计工具给出「总行数 100、空行 20、非空行 80」,你拿 100 去和别的系统比,自然对不上;
  • 去重时如果保留全部空行,10 个连续空行会全留着;如果选「空行视为重复项」,只留一个;选「删除所有空行」,一个不留。

所以「空行怎么处理」必须在动手前定好,而且要写进流程里。文本清理 里「只删开头/结尾空行」和「压缩连续空行」也是两回事:前者处理边界,后者处理密度。

误区五:忽略换行符的差异#

Windows 用 CRLF(\r\n),Linux 和现在的 macOS 用 LF(\n),老 Mac 用 CR(\r)。肉眼完全看不出区别,但它会影响 diff 结果、影响脚本解析、影响某些系统的导入。

一份从 Windows 导出的 CSV 拿到 Linux 上处理,可能出现「每行末尾多一个 \r」的问题,表现为最后一个字段莫名其妙带了个不可见字符。用 文本清理 的换行符检测看一眼:如果显示 CRLF 和 LF 混合,先统一再继续。检测逻辑是先识别 CRLF,再识别单独的 CR 和 LF,所以不会把 CRLF 误算成两个换行。


🔒 为什么这些工具都在浏览器里跑#

文本看起来是最不敏感的数据类型,实际恰恰相反。粘进在线工具的往往是:客户名单和手机号、还没发布的文案、内部日志片段、数据库导出的一列、合同条款草稿、面试评价。这些内容一旦上传到别人的服务器,你就失去了对它的控制。

星点文本工具的 11 个微应用全部在浏览器本地处理,输入内容不上传、不保存、不产生网络请求。这意味着你可以直接把内部日志、带手机号的名单贴进去,不用担心「这个网站会不会存我的数据」。

有两个需要说明的边界:

  1. 在线笔记本 会把内容写进当前浏览器的 IndexedDB,所以它是「存在本地」而不是「不存在」——好处是不上传,代价是换设备就看不到,清浏览器数据会丢。要留档就导出 ZIP。
  2. 「本地处理」不等于「无限容量」。浏览器有内存限制,超大的文本(几十 MB 级)会有性能压力;文本对比 对超大输入做了降级保护,其他工具则建议分段处理。

🧩 和编码、时间系列的交叉点#

文本处理很少孤立发生。下面三个交叉场景,是把三个系列串起来的典型。

字节数和 Unicode:为什么长度总对不上#

文本统计 里的「UTF-8 字节数」和码点数的差异,本质是编码问题。想知道某个字符到底是几个码点、几个字节、\u 转义长什么样,可以配合 Unicode 编码指南 和编码系列里的 Unicode 工具 看:它会把每个字符的码点、UTF-16 表示、UTF-8 字节逐个列出来,emoji 也在支持范围内。

一个常被问到的现象:明明只输入了一个 emoji,JavaScript 的 str.length 却是 2。原因是 length 数的是 UTF-16 码元,不是码点。这类「长度不一致」的根源,都在编码这一层。

Base64 解出来的文本是乱码#

从接口、邮件、JWT 里拿到一段 Base64,解码之后发现是乱码,通常有两种原因:一是原文本身是二进制(图片、压缩包),不该当文本看;二是字符集猜错了。前者可以用编码系列的 Base64 工具 解成 Hex 看字节,后者可以对照 Base64 编码解码指南 确认字母表和填充规则。JWT 用的是 Base64URL 变体,+// 换成 -/_,填充还可能被省略,标准解码器不一定能直接吃下。

编解码系列的完整地图见 星点编码工具完整指南。

行号、日志和时间的对应关系#

给日志加行号是为了定位,但真正定位问题时,你要的往往是「那一行是什么时候打的」。日志行首常常是时间戳,用 行号处理 编好号之后,把时间戳单独拎出来,用 时间戳转换 还原成可读时间,两个坐标一对,问题范围立刻缩小。

时间段内的日志筛选、跨时区的时间对齐,可以看 时间工具完整指南 和 Unix 时间戳转换指南——日志里的时间是秒还是毫秒、是 UTC 还是本地时间,这套工具链能帮你确认。


❓ 常见问题(FAQ)#

这些工具免费吗?需要注册吗? 全部免费、无需注册、无使用次数限制,打开网页就能用,手机和电脑都可以访问。
我粘贴的名单、日志会上传吗? 不会。11 个工具的处理都在浏览器本地完成,不产生上传请求,输入内容不会被保存到服务器。唯一例外是[在线笔记本](https://www.xingdian.net/app/text/notebook/),它把内容写进你当前浏览器的本地存储(IndexedDB),同样不上传,但换设备看不到,清理浏览器数据会丢。
为什么字数统计的结果和 Word 不一样? 统计口径不同。Word 的「字数」在中文环境下按词计,另外还有「字符数(计空格)」「字符数(不计空格)」等项;[文本统计](https://www.xingdian.net/app/text/stats/) 的字符数按 Unicode 码点算,字节数按 UTF-8 编码长度算。要让数字对得上,先约定用哪一套口径。
去重会打乱我的原始顺序吗? 默认不会。[文本去重](https://www.xingdian.net/app/text/deduplicate/) 保留第一次出现的条目和原始顺序;如果你需要排序后的结果,可以切到「去重后字典序排序」,那是主动选择,不是默认行为。
去重是按行还是按子串? 按完整行。`abc` 和 `abcd` 不算重复,某一行里出现了另一行的内容也不会触发去重。这个规则很窄,但结果可预期,粘多少行、出来多少行,都能对上账。
正则替换用的是什么语法?支持捕获组吗? JavaScript RegExp 语法,支持 `$1`、`$&` 这类替换引用。比如把 `^(.+)$` 替换成 `'$1',`,就能给每行加上引号和逗号。[文本替换](https://www.xingdian.net/app/text/replace/) 的普通模式按字面匹配,`.` 就是句点,需要通配时再切正则。正则写错会给可读错误并保留原文。
文本对比里「新增」和「删除」以哪边为基准? 以左侧为基准:左有右无标为删除,右有左无标为新增。[文本对比](https://www.xingdian.net/app/text/diff/) 的忽略选项(行尾空白、大小写、空行)只影响比较判断,不会改写原文。
中文排序按什么规则? 按浏览器内置 `Intl.Collator` 的语言规则,默认中文环境(zh-CN),所以不是按 Unicode 码点排成乱序。[文本排序](https://www.xingdian.net/app/text/sort/) 支持忽略大小写、空行排前/排后,排序是稳定的——比较键相同的行保持原相对顺序。
批量处理和单独用某个工具,结果会不一样吗? 共享同一套底层规则,单项结果一致。区别在顺序和可重复性:[批量文本处理](https://www.xingdian.net/app/text/batch/) 每次执行都基于原始输入重新计算,不会叠加行号或前后缀;步骤顺序也会影响结果,比如先去空行再去重和先去重再去空行可能不同。
文本很大时会卡住吗? 和处理规模有关。绝大多数日常清单(几千到几万行)都在浏览器能承受的范围内。[文本对比](https://www.xingdian.net/app/text/diff/) 对超大输入做了内存保护,会降级对齐算法,结果略粗但不会崩溃;更大的数据建议先在[文本清理](https://www.xingdian.net/app/text/clean/)里裁掉无用部分,或分段处理。

💬 总结#

文本处理的难点,从来不是「会不会操作」,而是「做完之后敢不敢交付」。要解决这个问题,靠的不是更聪明的按钮,而是三件事:规则说清楚、结果能核对、原文留得住。

星点文本工具的 11 个微应用就是按这三件事组织的:

遇到具体任务,先问自己一句:我是在看、在整、在改,还是在串?范围缩到两三个工具,剩下的就是确认参数。所有处理都在浏览器本地完成,数据不上传。

立即体验:访问 星点文本工具首页

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

相关文章 智能推荐
1
在线文本对比工具 - 两段文本差异高亮(行/词/字符级)
文本工具 在线文本对比指南:左右粘贴原始文本与新版本,按行(默认)、词、字符三种粒度对比,新增标绿、删除标红并统计差异区块。以左侧为基准判定增删,可忽略行尾空白、大小写、空行,比较选项不影响原文。支持并排与统一视图切换、复制 diff 或下载 txt。含改稿核对、配置变更、日志对比、合同版本、代码片段五类场景,以及 CRLF、行尾空格、编码、超大文本降级等常见坑。
2
文本去重工具 - 按行去重、保留原顺序(名单/关键词/URL)
文本工具 在线文本去重工具使用指南:按完整行判重,不做子串与分词;可保留第一次或最后一次出现,忽略大小写、忽略首尾空白判重与输出去除首尾空白分别控制;空行可选保留、视为重复或全部删除;结果给出总行数、去重后行数、删除数,并列出重复项与出现次数。覆盖名单合并、关键词整理、URL 清单、日志与订单流水场景,附操作步骤、六个常见错误和十条 FAQ。
3
文本统计工具 - 字数、字符、行数、段落与UTF-8字节统计
文本工具 在线文本统计工具使用指南:分清字数、字符数(Unicode 码点)、用户感知字符数(字素簇)、UTF-16 长度与 UTF-8 字节数的区别,讲清行数、非空行、空行、段落与单词数的统计口径,并覆盖平台字数限制、论文文案、接口字段限长、数据库字段、日志行数等真实场景。附操作步骤、六个常见错误、场景对照表与 FAQ。
4
批量文本处理工具 - 多步骤清洗文本(去空行/去重/排序/替换)
文本工具 在线批量文本处理工具使用指南:把去空白、删空行、压缩空行、去重、排序、大小写、替换、添加或删除行号、换行符标准化、每行前后缀这 12 种步骤串成一条可重复执行的清洗链,支持逐步预览与变更数量统计,某一步失败会指出步骤名并停下,结果始终基于原始输入重算,不会叠加行号或前缀。含步骤顺序对照实测、三套可直接套用的步骤链与常见错误,浏览器本地处理。
5
文本清理工具 - 去空行、去首尾空格、换行符转换
文本工具 在线文本清理工具使用指南:一个入口处理三类问题——删除空行(可压缩连续空行、把空白行视为空行、只删开头或结尾)、去除首尾空格(全文或每行、可选空白集合)、换行符转换(自动检测 LF/CRLF/CR 与混合换行)。含两种 trim 与两种空行处理的对比表、换行符来源对照、行数与换行统计口径、六个常见错误与 FAQ,全部浏览器本地完成,不改动行内内容。
随机文章 随机推荐
公告
🎉 已升级 2.0 版本,欢迎使用。
分类
标签
站点统计
文章
232
分类
29
标签
895
总字数
579,572
运行时长
0 天
最后活动
0 天前

目录