Czyszczenie tekstu

Tekst przepływający przez Word, Dokumenty Google, pliki PDF, strony internetowe i komunikatory zabiera bagaż: cudzysłowy typograficzne zastępują proste, myślniki stają się dłuższe, emoji mnożą się, fragmenty HTML są tagowane, a niewidoczne znaki o zerowej szerokości chowają się między literami tam, gdzie żaden edytor ich nie pokazuje. Wynik wygląda dobrze na ekranie — dopóki nie trafi do kodu, importu CSV, bazy danych, porównania lub zapytania wyszukiwania i po cichu nie zepsuje niczego.

Ten program czyszczący naprawia wszystko za jednym razem, całkowicie w przeglądarce: nic, co wkleisz, nie zostanie nigdy przesłane. Siedem niezależnych pól wyboru kontroluje dokładnie to, co się dzieje — usuwaj znaczniki HTML za pomocą prawdziwego parsera przeglądarki (dekodowane elementy, usuwana jest zawartość skryptów i stylów), konwertuj inteligentne cudzysłowy na proste, normalizuj myślniki en i em na łączniki, usuwaj emoji, w tym flagi i sekwencje odcieni skóry, usuwaj niewidoczne znaki, takie jak spacje o zerowej szerokości, znaki BOM i łączniki miękkie, oraz zwijaj niechlujne ciągi spacji i tabulatorów.

Najważniejsza jest przejrzystość: po każdym uruchomieniu licznik według kategorii informuje, ile tagów, cudzysłowów, myślników, emoji i ukrytych znaków faktycznie zostało usuniętych, więc nigdy nie będziesz musiał zgadywać, co się zmieniło. Agresywny filtr inny niż ASCII zasługuje na ostrzeżenie i statki są wyłączone: usuwa każdy znak spoza podstawowego zakresu alfabetu łacińskiego, co niszczy litery akcentowane i całe alfabety inne niż łacińskie — włączaj go tylko wtedy, gdy naprawdę potrzebujesz czystego wyniku ASCII.

Narzędzie czyszczące dobrze współpracuje z sąsiadami: użyj generatora niewidzialnego tekstu, gdy potrzebujesz znaków o zerowej szerokości, zamiast je usuwać, oraz dedykowanego narzędzia do usuwania łamania linii, gdy jedynym problemem są zawinięte na stałe linie z pliku PDF. W przypadku wszystkiego innego, co wciąga kopiowanie i wklejanie, jest to kompleksowe szorowanie.