Balabolka Tekstin jäsennin

Sovelluksen tarkoitus on jäsentää teksti erilaisista tiedostoista. Saatu teksti voidaan yhdistää samaan tiedostoon tai jakaa muutamiin pienempiin tiedostoihin. Tekstin kohdalta voi soveltaa Balabolkan äänestyskorjaussanakirjoja.

Sovellus ylläpitää seuraavat tiedostotyypit: AZW, AZW3, CHM, DjVu, DOC, DOCX, EML, EPUB, FB2, FB3, HTML, LIT, MD, MHT, MOBI, ODP, ODS, ODT, PDB, PDF, PPT, PPTX, PRC, RTF, TCR, TXT, WPD, WRI, XLS, XLSX.

Komentorivissä käyttäjä kirjoittaa komentoriville tietyn syntaksin mukaisen komennon mahdollisine parametreineen, eikä sillä ole graafista käyttöliittymää. Sovelluksen toimintatapa voidaan määrätä komennon parametreilla tai konfigurointitiedostoa muuttamalla.

Sovellus toimii seuraavasti:

1. Tekstin tiedostosta jäsentäminen.
2. Tekstin muotoilu: ylimääräisten välien ja rivinvaihtojen poistaminen jne. (jos vastaavat parametrit sisältyvät komentoon).
3. Teksti samaan tiedostoon yhdistäminen (jos vastaava parametri sisältyy komentoon).
4. Teksti jakaminen (jos vastaavat parametrit sisältyvät komentoon).
5. Ääntämyksen korjaussääntöjen soveltaminen (jos vastaavat parametrit sisältyvät komentoon).
6. Tiedoston levylle tallentaminen.

Lataa ohjelmaa BLB2TXT

Sovelluksen asetukset voidaan muuttaa komentorivin parametreilla. Parametrit eritetään toisistaan välillä ja niiden alkusymboli on "-" (tavuviiva). Kaikki mahdolliset parametrit voi saada syöttämällä "blb2txt.exe" parametreineen -? tai -h.

-f tiedoston_nimi

Tiedoston nimi tai kaava, josta saadaan tekstiä. Komentoon voi sisältyä muutama -f -parametri.

-fl tiedoston_nimi

Sets the name of the text file with the list of input files (one file name per line).

-v kansion_nimi

Tallenna jäsennetty teksti mainittuun kansioon.

-p tekstin_rivi

Tallenna jäsennetty teksti tallentamiseen tarkoitettuun tiedostoon (esim. "Tekstitiedostoon"). Jos tätä parametria ei käytetä, maalitiedoston nimi on sama kuin lähteen.

• Use the %FileName% variable to insert the input file name to the output file name.
• Use the %FirstLine% variable to insert the first line of text.
• Use the %Header% variable to insert the chapter title.
• Use the %Number% variable to change the position of the sequence number inside the output file name.

Warning! It is necessary to double a percent sign (%) in a batch script. For example: -p %%Number%%

-ext tekstin_rivi

Set the extension for output filenames. The default is "txt".

-out tiedoston_nimi

Sets the full name for output file. The option is recommended to specify only when the utility is used as a part of other software. If the utility is used for custom document import, the external program runs the utility from a command line and passes the full name of a text file to create.

-s

Search input files in subfolders.

-cf

Create a subfolder for each input file. A file name will be used as a name of an output subfolder.

-i

Lue teksti standardisyöttövirrassa (STDIN) oleva teksti. Jos parametri on mainittu, parametri -f on välittämättä.

-o

Kirjoita teksti standarditulostevirtaan (STDOUT). Jos parametri on mainittu, parametrit -v ja -p ovat välittämättä.

-u

Yhdistä teksti muutamista tiedostoista yhteen.

-b

Lisää järjestysnumero tiedostonimen alkuun.

-a

Lisää järjestysnumero tiedostonimen loppuun.

-n luku

Määrää ensimmäinen järjestysnumero. Oletusnumero on 1.

-e merkistö

Määrää jäsennetyn tekstin merkistö ("ansi", "utf8" tai "unicode"). Oletusmerkistö on "ansi".

-t luku

Määrää tekstin jäsentämistapa: käytä määrätty tiedostokoko. The number corresponds to an amount of characters.

-k avainsana

Määrää tekstin jäsentämistapa: etsi avainsana. Parametri on merkkikokoriippuvainen. Komentoon voi sisältyä muutama -k -parametri.

-r avainsana

Jaa teksti avainsanalla ja poista tämä tekstistä. Parametri on merkkikokoriippuvainen. Komentoon voi sisältyä muutama -r -parametri.

-w

Määrää tekstin jäsentämistapa: etsi kaksi peräkkäistä tyhjää riviä.

-l

Määrää tekstin jäsentämistapa: etsi rivi, jossa kaikki kirjaimet ovat suuraakkosia.

-c

Splits text by a table of contents. The application extracts positions of chapter beginnings from the input file (or a new table of contents will be generated if the option -toc is specified).

-toc

Generates a table of contents. The application splits the extracted text by keywords (like "chapter" or "volume"). Parametria käytetään –c-parametrin parissa.

-m luku

Sets the minimal size of text parts for splitting (as a number of characters).

-j luku

Ignores the chapter beginning if the size of the previous chapter is less than the specified value (in characters). Parametria käytetään –c-parametrin parissa.

-hh tekstin_rivi

Inserts text in front of headings (for example: ## Chapter 1).

-d tiedoston_nimi

Käytä sanakirja ääntämyksen korjaamiseksi (tiedostolaajennus *.BXD, *.REX tai *.DIC). Komentoon voi sisältyä muutama -d -parametri.

-if

Uses IFilter interface to extract text. If this fails, the default method will be used by the application.

-g kansion_nimi

Sets the name of output folder for saving of images from documents.

-cvr kansion_nimi

Sets the name of output folder for saving of a book cover image.

-cft

Clones the Created/Modified/Accessed time of the input file into the output file. If the application combines text files or splits the extracted text, the option is ignored.

-x file_type

Sets the input file type. It allows to define a format of input documents with unknown file name extensions. For example: -x doc.

-pwd tekstin_rivi

Asettaa salasana poimiakseen teksti PDF-muotoisesta tiedostosta.

-dll file_name

Sets the path and name for 7z.dll (32bit). This library helps to extract text and images from documents inside archives (ZIP, RAR, etc.). 7z.dll is a part of 7-Zip software. If the option is not specified, the application and the library must be in the same folder; otherwise, the application will not be able to extract data from archive files.

-dex file_types

Sets the list of file types for extracting from archives. The option contains a comma-separated list of file types, for example: -dex "fb2,epub"
The command line may contain few options -dex. If the option is not specified, the application will extract text from all files in an archive. If it is necessary to extract text for all file types supported by the application, use the value "all-". For example: -dex all-

-dne file_types

Sets the list of file types to ignore when documents are extracted from archives. The option contains a comma-separated list of file types, for example: -dne "exe,dll"
The command line may contain few options -dne. If the option is not specified, the application will extract text from all files in an archive.

-dp

Display progress information in a console window.

-cfg tiedoston_nimi

Sets the name of the configuration file with the command line options (a text file where each line contains one option). If the option is not specified, the file blb2txt.cfg in the same folder as the utility will be used.

-h

Näytä kaikki mahdolliset parametrit.

--remove-spaces tai -rs

Poista ylimääräiset välit (kaksi tai enemmän peräkkäistä väliä tai kiinteät välit).

--remove-hyphens tai -rh

Poista rivien lopussa olevat yhdysmerkit.

--remove-linebreaks tai -rl

Poista kappaleiden sisäiset rivinvaihdot.

--remove-empty-lines tai -rm

Poista kaikki tyhjät rivit.

--replace-empty-lines tai -rp

Korvaa muutama tyhjä rivi yhdellä tyhjällä rivillä.

--remove-square-brackets tai -rsb

Poista teksti [hakasulkujen] sisältä.

--remove-curly-brackets tai -rcb

Poista teksti {aaltosuluista} sisältä.

--remove-angle-brackets tai -rab

Poista teksti <kulmasulkujen> sisältä.

--remove-round-brackets tai -rrb

Removes text in (round brackets).

--remove-comments tai -rc

Removes comments. Single-line comments start with // and continue until the end of the line. Multiline comments start with /* and end with */.

--remove-page-numbers tai -rpn

Removes page numbers (it may be useful for DjVu/PDF files).

--fix-ocr-errors tai -ocr

Korjaa tekstintunnistuksen aikana syntyneet virheet (sovellettava vain kyrillistä kirjaimistoa käytettävissä kielissä).

--fix-letter-spacing tai -ls

Fixes letter-spacing in words (for example: s p a c e, _w_o_r_d).

--add-period tai -ap

Adds a period if there is no punctuation after the last word of the paragraph.

--extract-summary luku or -es luku

Extracts a summary (also called "annotation") from FB2/FB3 files and inserts at the beginning of text. Possible values for the integer parameter:

• 0 - skips a summary (used by default);
• 1..5 - extracts a summary (a value determines the order in which an author name and a book title are listed).

--skip-notes tai -sn

Skips notes, when the application extracts text from DOCX/FB2/FB3/MD/ODT files.

--include-notes luku tai -in luku

Includes notes inside text, when the application extracts text from DOCX/FB2/FB3/MD/ODT files.
Possible values for the integer parameter:

• 0 - removes links to notes from text;
• 1 - keeps default positions of notes inside text (this value is used by default);
• 2 - places notes at the end of sentences;
• 3 - places notes at the end of paragraphs.

--insert-note-begin tekstin_rivi tai -inb tekstin_rivi

Inserts words at the beginning of notes, when notes are included inside text (for example: Editor's note.).
The option is used for DOCX/FB2/FB3/MD/ODT files.

--insert-note-end tekstin_rivi tai -ine tekstin_rivi

Inserts words at the end of notes, when notes are included inside text (for example: End of note.).
The option is used for DOCX/FB2/FB3/MD/ODT files.

--extract-tables luku tai -et luku

Extract tables from DOCX/FB2/FB3/ODT files. Possible values for the integer parameter:

• 0 - skips tables;
• 1 - extract data from each cell as a new text line (this value is used by default);
• 2 - keep formatting when extracting a table.

--csv-comma

Columns are separated by a comma, when the application extracts data from XLS/XLSX/ODS files (default delimiter for CSV files).

--csv-semicolon

Columns are separated by a semicolon, when the application extracts data from XLS/XLSX/ODS files.

--csv-space

Columns are separated by a blank space, when the application extracts data from XLS/XLSX/ODS files.

--csv-tab

Columns are separated by a tab, when the application extracts data from XLS/XLSX/ODS files.

--csv-double-quote

Uses double-quote characters, if a field must be quoted (export from XLS/XLSX/ODS files).

--csv-single-quote

Uses single-quote characters, if a field must be quoted (export from XLS/XLSX/ODS files).

--eml-save kansion_nimi

Extracts attachments from EML files and saves to a specified folder.

--eml-att

Extracts the list of attachments from EML files (names of files attached to the message).

--eml-cc

Extracts the header field "Cc" from EML files ("carbon copy"; it specifies additional recipients of the message).

--eml-date päivämäärän_muoto

Extracts the header field "Date" from EML files (the local time and date when the message was composed and sent). A date format are defined by specifiers (such as "d", "m", "y", etc.). For example: "dd.mm.yyyy hh:nn:ss".

--eml-from

Extracts the header field "From" from EML files (the email address, and optionally the name of the author).

--eml-org

Extracts the header field "Organization" from EML files (the name of the organization through which the sender of the message has net access).

--eml-rt

Extracts the header field "Reply-To" from EML files (the address for replies to go to).

--eml-subj

Extracts the header field "Subject" from EML files (the subject of the message).

--eml-to

Extracts the header field "To" from EML files (the email address, and optionally the name of the message's recipient).

blb2txt -f "d:\Docs\book.doc" -v "d:\Text\"

blb2txt -f "d:\Docs\book.doc" -out "d:\Text\book.txt"

blb2txt -f "d:\Docs\*.doc" -f "d:\Docs\*.rtf" -v "d:\Text\" -e utf8 --replace-empty-lines

blb2txt -f "d:\Docs\*.*" -v "d:\Text\" -p "Tiedosto" -u

blb2txt -f "d:\Docs\1.doc" -v "d:\Text\" -p "Tiedosto" -a -n 20 -t 100000

blb2txt -f "d:\Book\book.fb2" -v "d:\Text\" -p "Kirja" -k "KAPPALE" -k "SISÄLTÖ"

blb2txt -f "d:\Book\book.epub" -v "d:\Text\" -p "Kirja" -r "###"

blb2txt -f "d:\Book\book.fb2" -v "d:\Text\" -p "%Number% - %Header%" -c -j 1024

blb2txt -i -o --remove-spaces --remove-linebreaks --replace-empty-lines

blb2txt -f "d:\Archive\*.zip" -v "d:\Text\" -dll "e:\7-Zip\7z.dll" -dex doc,docx

Parametrit voi tallentaa "blb2txt.cfg" -nimiseen konfiguraatiotiedostoon, joka sijaitsee sovelluksen kansiossa.

Tiedoston sisällyksen esimerkki:

Sovellus voi yhdistää konfiguraatiotiedostossa olevat ja komentorivin parametrit.

You are free to use and distribute software for noncommercial purposes. For commercial use or distribution, you need to get permission from the copyright holder.