टेक्स्ट क्लीनर

टेक्स्ट क्लीनिंग वह प्रक्रिया है जिसमें कच्चे टेक्स्ट से अनचाहे अक्षर, फ़ॉर्मेटिंग के अवशेष और एन्कोडिंग की गड़बड़ियाँ हटाकर साफ़ और एकसमान आउटपुट तैयार किया जाता है। वेब पेज, दस्तावेज़, ईमेल और डेटाबेस से आने वाले कच्चे टेक्स्ट में लगभग हमेशा ऐसे तत्व होते हैं जो प्रोसेसिंग में बाधा डालते हैं — HTML टैग, स्मार्ट कोट्स, न दिखने वाले कंट्रोल अक्षर, अलग-अलग लाइन एंडिंग और एन्कोडिंग के अवशेष।