Detector și eliminator de caractere invizibile
Text
Rezumat
Nu s-au găsit caractere invizibile.
Vizualizat
Elimină categorii
Ieșire curățată
Detalii tehnice
Cum funcționează detectorul de caractere invizibile
Ce face detectorul de caractere invizibile
Instrumentul scanează textul în căutarea punctelor de cod Unicode care nu afișează niciun glif vizibil și le listează pe fiecare cu codul U+, numele oficial, poziția și numărul pe tip. Detectează spațiul de lățime zero (U+200B), non-joiner și joiner de lățime zero (U+200C, U+200D), word joiner (U+2060), marcajul de ordine a octeților (U+FEFF), cratima moale (U+00AD), spațiile inseparabile și alte spații exotice (U+00A0, U+2007, U+202F), separatoarele de linie și de paragraf și controalele bidirecționale (U+202A–U+202E, U+2066–U+2069). Le poți afișa direct în text și le poți elimina pe toate sau doar categoriile alese. Procesarea se face local în browser.
Cazuri de utilizare comune
Dezvoltatorii îl folosesc pentru a găsi un spațiu de lățime zero care face o comparație de șiruri să eșueze, o cheie API sau o parolă care nu se potrivește, un fișier JSON al cărui BOM împiedică parsarea sau un antet CSV care arată identic, dar nu este. Scriitorii și editorii curăță textul copiat din pagini web, PDF-uri și instrumente de chat. Evaluatorii de securitate scanează codul sursă și pull request-urile pentru controale bidi Trojan Source (CVE-2021-42574) și trucuri cu omoglife. Este folosit și pentru a curăța textul de la asistenții AI care conține caractere de lățime zero rătăcite sau spații inseparabile, înainte de a-l lipi într-un CMS, foaie de calcul sau terminal.
Categorii de caractere
Caracterele se împart în grupuri: caractere de lățime zero (U+200B–U+200D, U+2060, U+FEFF), variante de spațiu (NBSP U+00A0, spații en și em U+2000–U+200A, NBSP îngust U+202F, spațiu ideografic U+3000), controale de formatare (cratimă moale U+00AD, separatoare invizibile U+2061–U+2064), controale bidirecționale (LRE, RLE, PDF, LRO, RLO, LRI, RLI, FSI, PDI) și caractere de control neimprimabile din intervalele C0 și C1. Unele au rol important: ZWJ leagă secvențele emoji, iar ZWNJ este necesar în ortografia persană și hindi.
Capcane și limite
Eliminarea tuturor nu este întotdeauna corectă: eliminarea ZWJ strică emoji precum secvențele de familie sau de steaguri, iar eliminarea ZWNJ schimbă cuvinte în scrierile persană, arabă și indiene. Înlocuiește NBSP cu un spațiu normal în loc să îl ștergi, altfel cuvintele se vor lipi. Un BOM la începutul unui fișier este adesea mai bine eliminat la nivel de fișier. Instrumentele de trim și normalizare nu elimină caracterele de lățime zero, iar omoglifele (a chirilic în loc de a latin) sunt caractere vizibile, deci necesită o verificare separată. Pentru escaparea textului, vezi Escapare / De-escapare text; pentru numărători, vezi Analizor de text și utilitare.