Detector de Caracteres Invisibles

Los caracteres invisibles son puntos de código Unicode que se representan como espacio en blanco o no ocupan espacio visible, pero son técnicamente diferentes de un espacio regular. Aparecen frecuentemente en datos copiados de páginas web, PDFs, hojas de cálculo y campos de bases de datos exportados.

Tipos comunes detectados por esta herramienta:

• NBSP (U+00A0) - visualmente idéntico a un espacio regular pero es un carácter diferente; insertado por editores HTML y procesadores de texto
• ZWS (U+200B) - completamente invisible, no ocupa espacio; la causa #1 de líneas "idénticas" que no coinciden
• ZWJ / ZWNJ - controlan si los caracteres adyacentes se unen; comunes en árabe, persa y secuencias de emoji
• BOM (U+FEFF) - añadido al inicio de archivos por el Bloc de Notas de Windows, Excel y PowerShell; hace que la primera línea nunca coincida
• CR (U+000D) - retorno de carro; parte de los finales de línea CRLF de Windows, causa discrepancias por caracteres al final
• TAB (U+0009) - tabulación horizontal; de archivos TSV, editores de código y copiar-pegar desde el terminal

Un espacio regular (U+0020) y un espacio de no separación (U+00A0) son visualmente idénticos pero tienen códigos de carácter completamente diferentes. Al comparar listas, un elemento con un NBSP al final no coincidirá con el mismo elemento con un espacio regular, aunque ambos parezcan idénticos en pantalla.

Los espacios de ancho cero son aún más difíciles de detectar: no ocupan espacio visible, por lo que no hay ninguna indicación visual de que estén presentes hasta que una comparación o búsqueda en la base de datos falla inesperadamente.

Esta herramienta revela exactamente dónde se esconde cada carácter invisible para que puedas limpiar tus datos antes de comparar.

Las fuentes más comunes son:

• Páginas web - HTML usa frecuentemente NBSP (la entidad  ) para el diseño; cualquier copia-pegado desde un sitio web puede traerlos consigo
• PDFs - el espaciado y los finales de línea suelen ser inconsistentes cuando se extrae texto
• Hojas de cálculo - Excel y Google Sheets a veces insertan ZWS en celdas con formato
• Exportaciones de bases de datos - algunas bases de datos preservan NBSP en campos de texto de sus aplicaciones fuente
• Teclados móviles - algunos insertan NBSP en lugar de un espacio regular después de signos de puntuación
• Procesadores de texto - Microsoft Word y aplicaciones similares usan espacios de no separación en texto formateado

1. Pega tu texto en el cuadro de entrada. El panel anotado muestra cada carácter invisible como un distintivo de color (p. ej. [NBSP], [ZWS]) para que puedas ver exactamente dónde aparecen.
2. Copia desde el panel Limpiado de abajo, que muestra el mismo texto con todos los caracteres invisibles eliminados.

Para limpieza continua de datos, el Limpiador de Listas también tiene una opción dedicada "Eliminar caracteres invisibles".

Un espacio de no separación (U+00A0) parece idéntico a un espacio regular pero tiene un código de carácter diferente (160 frente a 32). Fue diseñado originalmente para mantener palabras adyacentes en la misma línea, por ejemplo, para que "100 km" no se divida en un salto de línea.

De dónde viene: Editores HTML (la entidad  ), procesadores de texto como Microsoft Word, y algunos teclados móviles que lo insertan después de signos de puntuación.

Por qué causa problemas: Cualquier comparación exacta de cadenas trata el NBSP como distinto de un espacio regular, causando discrepancias inesperadas en comparaciones de listas, búsquedas en bases de datos e importaciones, incluso cuando el texto parece idéntico en pantalla.

Un espacio de ancho cero (U+200B) no ocupa espacio visible en absoluto - es completamente invisible para la vista. Fue diseñado originalmente para marcar puntos opcionales de salto de línea en escrituras que no usan espacios entre palabras (como el tailandés o el texto CJK).

De dónde viene: Texto extraído de páginas web, contenido de ciertas plataformas CMS (WordPress a veces los inserta) y documentos convertidos desde formatos de texto enriquecido.

Por qué causa problemas: Como es invisible, no hay forma de saber que está presente hasta que una comparación, búsqueda en base de datos o importación falla inesperadamente. Es la causa más común de líneas "idénticas" que se niegan a coincidir.

Sí - limpiar los caracteres invisibles primero es uno de los mejores pasos de preparación antes de usar las herramientas Comparar Dos Listas o Comparar Múltiples Listas.

Copia la salida limpiada de esta herramienta y pégala en la herramienta de comparación. Ambas herramientas también tienen una opción "Ignorar espacios iniciales/finales" que detecta NBSP en los límites de línea, pero el Detector de Caracteres Invisibles es más exhaustivo: encuentra y elimina todos los caracteres invisibles independientemente de dónde aparezcan en una línea.