Como usar
- Cole o texto na caixa de entrada.
- Marque as etapas de limpeza desejadas. As opções mais comuns já vêm ativadas.
- Confira o resultado na caixa de saída. Ele é atualizado sempre que você altera uma opção.
- Copie o texto limpo ou use-o como nova entrada para limpá-lo novamente.
Como funciona
As etapas são sempre executadas na mesma ordem: remover HTML, remover caracteres invisíveis, substituir aspas curvas por retas, substituir tabulações, remover espaços extras, aparar linhas, reduzir linhas em branco e, por fim, remover quebras de linha. Primeiro, as quebras de linha do Windows e dos Macs antigos são convertidas em quebras de linha padrão.
“Remover tags HTML” atua apenas no texto: o HTML nunca é renderizado nem executado. A ferramenta exclui comentários e o conteúdo de elementos script, style, template e noscript; transforma <br> e o fim de parágrafos, itens de lista, títulos e linhas de tabela em quebras de linha; remove todas as outras tags; e, em seguida, decodifica entidades numéricas e entidades nomeadas comuns (&, <, >, ", , — e outras). Um sinal de menor que seguido diretamente de uma letra, como em “a<b”, parece uma tag e pode ser removido junto com o conteúdo até o próximo “>”.
“Remover caracteres invisíveis” exclui espaços de largura zero (U+200B), conectores de palavras, marcas de ordem de bytes (U+FEFF), hífens condicionais, marcas e controles de direção da esquerda para a direita e da direita para a esquerda, além de caracteres de controle, exceto tabulações e quebras de linha. Esses caracteres costumam vir em textos copiados de sites, aplicativos de bate-papo e PDFs e podem prejudicar buscas, código e fórmulas de planilhas. Os caracteres de junção e não junção de largura zero são mantidos, pois são necessários em emojis de família e profissão e em vários sistemas de escrita, como o persa e o hindi.
“Remover espaços extras” transforma sequências de espaços, tabulações e espaços incondicionais em um único espaço comum, mas mantém as quebras de linha. “Remover quebras de linha” une todas as linhas em um único parágrafo, o que corrige textos copiados de PDFs em que cada linha termina com uma quebra fixa; com “Manter quebras entre parágrafos” ativado, as linhas em branco continuam separando os parágrafos. Palavras hifenizadas no fim de uma linha não são unidas novamente. Os sinais de aspas angulares (« ») e os sinais de primo não são alterados pela opção de aspas.
Exemplos
Texto copiado de um PDF
Um parágrafo copiado de um PDF chega com uma quebra de linha a cada 70 caracteres. “Remover quebras de linha”, com “Manter quebras entre parágrafos” ativado, restaura o fluxo dos parágrafos para você colar o texto em um documento.
Um valor que não corresponde
Um código de produto copiado de um site não corresponde ao valor procurado em uma planilha porque contém um espaço de largura zero. “Remover caracteres invisíveis” o exclui e a busca funciona.
Texto simples de HTML
Com “Remover tags HTML” ativado, “<p>Price: 10 €</p><script>track()</script>” vira “Price: 10 €”: o script é removido junto com seu conteúdo, as entidades são decodificadas e o espaço incondicional vira um espaço comum.
Perguntas frequentes
É seguro colar HTML de um site desconhecido?
Sim. O HTML é processado como texto simples usando correspondência de padrões e exibido em uma caixa de texto. Ele nunca é inserido na página, portanto, os scripts contidos nele não podem ser executados.
O que são caracteres de largura zero e por que removê-los?
São caracteres sem largura visível, como o espaço de largura zero e a marca de ordem de bytes. Eles são invisíveis na tela, mas fazem com que duas palavras visualmente idênticas sejam diferentes, prejudicando buscas, verificações de duplicatas e código.
Por que alguns caracteres de junção de emojis são mantidos?
Emojis como 👨👩👧 são vários emojis unidos pelo caractere de junção de largura zero. O persa e algumas escritas indianas usam o caractere de não junção de largura zero para dar forma às palavras. Removê-los alteraria a aparência do texto, por isso são mantidos.
A ferramenta corrige palavras divididas por um hífen no fim da linha?
Não. Um hífen no fim de uma linha pode fazer parte da palavra (como em “bem-estar”) ou apenas indicar uma quebra dentro de uma palavra. Como a ferramenta não consegue diferenciar os casos, os hífens são mantidos.
Privacidade
A limpeza é feita somente no seu navegador. O texto não é enviado, armazenado nem incluído em dados analíticos.