文本清洗 · 免费在线工具
从别处粘来的文本，先洗干净再交出去
网页复制、PDF 摘录、聊天记录导出……粘过来总是带着多余空格、成片的空行、看不见的零宽字符。这里勾选清洗项，一键收拾干净，还附上前后字数统计。
写代码、写文档的人还常需要命名格式互转：一个短语同时给出 camelCase、snake_case、kebab-case 等九种写法，点一下就复制；行级对比则把两段文本逐行对照，谁多了谁少了，红绿一目了然。
所有处理都在你的浏览器里完成，文本不上传任何服务器，断网也能用。
文本清洗
把文本粘进来，勾选要清洗的项目，一键得到干净版本。清洗项可任意组合。
零宽字符（U+200B 等）肉眼看不见，却会让搜索、代码编译、表格匹配莫名其妙出错——
从网页或聊天工具粘出来的文本建议都过一遍「去除零宽字符」。
大小写 / 命名转换
输入一个短语（如 hello world），下方实时给出九种常用写法，点对应卡片即复制。中文原样保留，只转换英文单词。
怎么选格式：JS 变量用 camelCase，类名 / 组件名用 PascalCase，
Python 变量用 snake_case，CSS 类名与 URL 用 kebab-case，常量用 CONSTANT_CASE。九种写法一目了然，不用背。
行级对比
左右各贴一段文本，点「开始对比」：红色行是左边独有，绿色行是右边独有，灰色行是两边一致。
典型用法：核对两版合同条款差异、检查日志哪里变了、确认配置文件改动。
对比完全在本地内存中完成，文本不上传，关掉页面就消失。
文本相似度比对
两份文本放一起，算出重合度并逐句标出重合段落——判断「洗稿」时，先看清重了多少、重在哪。
它只比这两份文本：本地算法算的是两段文字的重合程度，没有全网语料库，所以它不是「查重」——查不出「像不像某篇你没给我看的文章」。相似度高是技术指标，不等于抄袭或侵权认定；要当凭据用，请把两份原文与各自的指纹一起固化。
跨文档去重
把多份文稿合并成一份语料，去掉重复段落——连「改了少量字」的近似重复也一并合并。
点击或拖入 .txt 文件（可多选）
文件内容按顺序追加到下面的文本框
近似判定基于字面重合，不做语义判断：换一种说法表达同一个意思，它认不出来。所以「去掉重复」不等于「语料干净」，也不等于「查重通过」。另外：只比对本机这批文本，没有外部语料库。要统一空行、标点、全半角，请用「文本清洗」。
敏感信息脱敏
访谈记录、客服对话、用户反馈要发出去或用作训练语料之前，先把手机号、邮箱、身份证这类信息遮掉。
正则匹配只能覆盖常见格式：手写体、空格分隔、异体写法都可能漏掉，所以它不能替代合规审计，脱敏后请人工再抽查一遍。逐类给出命中数量，方便你判断有没有漏。全程在本机完成，原文不上传。
语料体检
把语料粘进来，先看清它有什么毛病：重复、零宽字符、乱码、超长行、空行——体完检再决定怎么洗。
这些数字是描述性的，不是「质量评分」：多少算好取决于用途——几万字的访谈稿有 2% 重复可能无所谓，训练语料里有 1% 就值得处理。它也不会告诉你「像不像某篇公开文章」，因为没有外部语料库。发现问题后：清洗用「文本清洗」、去重用「跨文档去重」、脱敏用「敏感信息脱敏」。