Come si usa
- Incolli il testo nella casella di input.
- Selezioni i passaggi di pulizia desiderati. Le opzioni più comuni sono già attive.
- Controlli il risultato nella casella di output. Si aggiorna ogni volta che modifica un’opzione.
- Copi il testo ripulito oppure lo usi come nuovo input per ripulirlo di nuovo.
Come funziona
I passaggi vengono sempre eseguiti nello stesso ordine: rimozione dell’HTML, eliminazione dei caratteri invisibili, conversione delle virgolette, sostituzione delle tabulazioni, rimozione degli spazi in eccesso, rimozione degli spazi a inizio e fine riga, riduzione delle righe vuote e, infine, rimozione delle interruzioni di riga. Prima, le terminazioni di riga di Windows e dei vecchi Mac vengono convertite in caratteri di nuova riga standard.
“Rimuovi i tag HTML” agisce solo sul testo: l’HTML non viene mai visualizzato né eseguito. Elimina i commenti e il contenuto degli elementi script, style, template e noscript; trasforma <br> e la fine di paragrafi, elementi di elenchi, titoli e righe di tabelle in interruzioni di riga; rimuove tutti gli altri tag e poi decodifica le entità numeriche e quelle più comuni (&, <, >, ", , — e altre). Un segno di minore seguito direttamente da una lettera, come in “a<b”, sembra un tag e può essere rimosso insieme al testo successivo fino al “>” seguente.
“Rimuovi i caratteri invisibili” elimina gli spazi a larghezza zero (U+200B), i caratteri di unione delle parole, i BOM (U+FEFF), i trattini facoltativi, i marcatori e le sequenze di direzione da sinistra a destra e da destra a sinistra, nonché i caratteri di controllo diversi da tabulazione e carattere di nuova riga. Spesso questi caratteri arrivano con il testo copiato da siti web, app di chat e PDF e possono compromettere le ricerche, il codice e le formule dei fogli di calcolo. I caratteri di unione e non unione a larghezza zero vengono mantenuti, perché sono necessari per le emoji di famiglie e professioni e per diverse scritture, come il persiano e l’hindi.
“Rimuovi gli spazi in eccesso” converte ogni sequenza di spazi, tabulazioni e spazi non separabili in un singolo spazio normale, senza modificare le interruzioni di riga. “Rimuovi le interruzioni di riga” unisce tutte le righe in un unico paragrafo, correggendo il testo copiato da PDF in cui ogni riga termina con un’interruzione forzata; se “Mantieni le interruzioni tra i paragrafi” è attivo, le righe vuote continuano a separare i paragrafi. Le parole divise da un trattino a fine riga non vengono ricomposte. L’opzione per le virgolette non modifica le caporali (« ») né i segni primi.
Esempi
Testo copiato da un PDF
Un paragrafo copiato da un PDF arriva con un’interruzione di riga ogni 70 caratteri. “Rimuovi le interruzioni di riga”, con “Mantieni le interruzioni tra i paragrafi”, lo ricompone in paragrafi scorrevoli da incollare in un documento.
Un valore che non viene trovato
Un codice prodotto copiato da un sito web non viene trovato in una ricerca nel foglio di calcolo perché contiene uno spazio a larghezza zero. “Rimuovi i caratteri invisibili” lo elimina e la ricerca funziona.
Testo semplice da HTML
Con “Rimuovi i tag HTML” attivo, “<p>Price: 10 €</p><script>track()</script>” diventa “Price: 10 €”: lo script viene rimosso insieme al suo contenuto, le entità vengono decodificate e lo spazio non separabile diventa uno spazio normale.
Domande frequenti
È sicuro incollare HTML da un sito sconosciuto?
Sì. L’HTML viene elaborato come testo semplice tramite il confronto con schemi e mostrato in una casella di testo. Non viene mai inserito nella pagina, quindi gli script contenuti non possono essere eseguiti.
Cosa sono i caratteri a larghezza zero e perché rimuoverli?
Sono caratteri senza larghezza visibile, come lo spazio a larghezza zero e il BOM. Sono invisibili sullo schermo, ma fanno sì che due parole dall’aspetto identico siano diverse, compromettendo ricerche, controlli dei duplicati e codice.
Perché alcuni caratteri di unione delle emoji vengono mantenuti?
Emoji come 👨👩👧 sono composte da più emoji unite dal carattere di unione a larghezza zero; il persiano e alcune scritture indiane usano il carattere di non unione a larghezza zero per dare forma alle parole. Rimuoverli cambierebbe l’aspetto del testo, quindi vengono mantenuti.
Corregge le parole spezzate da un trattino a fine riga?
No. Un trattino a fine riga può far parte della parola (come in “well-known”) oppure indicare solo che la parola continua nella riga successiva. Lo strumento non può distinguere i due casi, quindi i trattini restano invariati.
Privacy
La pulizia avviene solo nel browser. Il testo non viene caricato, memorizzato né incluso nei dati di analisi.