Detektor Karakter Tak Terlihat

Karakter tak terlihat adalah titik kode Unicode yang ditampilkan sebagai spasi atau tidak menempati ruang yang terlihat, tetapi secara teknis berbeda dari spasi biasa. Karakter ini sering muncul dalam data yang disalin dari halaman web, PDF, spreadsheet, dan bidang basis data yang diekspor.

Jenis umum yang terdeteksi oleh alat ini:

• NBSP (U+00A0) - tampak identik dengan spasi biasa tetapi merupakan karakter berbeda; disisipkan oleh editor HTML dan pengolah kata
• ZWS (U+200B) - sepenuhnya tak terlihat, tidak menempati ruang; penyebab utama baris "identik" yang tidak cocok
• ZWJ / ZWNJ - mengontrol apakah karakter yang berdekatan bergabung; umum dalam bahasa Arab, Persia, dan urutan emoji
• BOM (U+FEFF) - ditambahkan di awal file oleh Notepad Windows, Excel, dan PowerShell; membuat baris pertama tidak pernah cocok
• CR (U+000D) - carriage return; bagian dari penghenti baris CRLF Windows, menyebabkan ketidakcocokan karakter akhir
• TAB (U+0009) - tab horizontal; dari file TSV, editor kode, dan salin-tempel dari terminal

Spasi biasa (U+0020) dan spasi non-breaking (U+00A0) tampak identik secara visual tetapi memiliki kode karakter yang sepenuhnya berbeda. Saat membandingkan daftar, item dengan NBSP di akhir tidak akan cocok dengan item yang sama yang memiliki spasi biasa - meskipun keduanya tampak identik di layar.

Spasi lebar nol bahkan lebih sulit dideteksi: tidak menempati ruang yang terlihat sama sekali, sehingga tidak ada indikasi visual keberadaannya sampai perbandingan atau pencarian basis data gagal secara tak terduga.

Alat ini mengungkap dengan tepat di mana setiap karakter tak terlihat bersembunyi sehingga Anda dapat membersihkan data sebelum membandingkan.

Sumber paling umum:

• Halaman web - HTML sering menggunakan NBSP (entitas  ) untuk tata letak; salin-tempel dari situs web apa pun dapat membawanya
• PDF - spasi dan penghenti baris sering tidak konsisten saat teks diekstrak
• Spreadsheet - Excel dan Google Sheets terkadang menyisipkan ZWS di sel yang diformat
• Ekspor basis data - beberapa basis data menyimpan NBSP di bidang teks dari aplikasi sumbernya
• Keyboard ponsel - beberapa menyisipkan NBSP alih-alih spasi biasa setelah tanda baca
• Pengolah kata - Microsoft Word dan aplikasi serupa menggunakan spasi non-breaking dalam teks yang diformat

1. Tempel teks Anda di kotak input. Panel beranotasi menampilkan setiap karakter tak terlihat sebagai lencana berwarna (mis. [NBSP], [ZWS]) sehingga Anda dapat melihat dengan tepat di mana mereka muncul.
2. Salin dari panel Dibersihkan di bawah, yang menampilkan teks yang sama dengan semua karakter tak terlihat dihapus.

Untuk pembersihan data yang berkelanjutan, Pembersih Data Daftar juga memiliki opsi khusus "Hapus karakter tak terlihat".

Spasi non-breaking (U+00A0) tampak identik dengan spasi biasa tetapi memiliki kode karakter berbeda (160 vs 32). Awalnya dirancang untuk menjaga kata-kata yang berdekatan pada baris yang sama - misalnya, mencegah "100 km" terbagi di pemisah baris.

Dari mana asalnya: Editor HTML (entitas  ), pengolah kata seperti Microsoft Word, dan beberapa keyboard ponsel yang menyisipkannya setelah tanda baca.

Mengapa menyebabkan masalah: Setiap perbandingan string yang tepat memperlakukan NBSP sebagai berbeda dari spasi biasa, menyebabkan ketidakcocokan yang tidak terduga dalam perbandingan daftar, pencarian basis data, dan impor - bahkan ketika teks tampak identik di layar.

Spasi lebar nol (U+200B) tidak menempati ruang yang terlihat sama sekali - sepenuhnya tidak terlihat bagi mata. Awalnya dirancang untuk menandai titik pemisah baris opsional dalam tulisan yang tidak menggunakan spasi antar kata (seperti bahasa Thai atau teks CJK).

Dari mana asalnya: Teks yang diambil dari halaman web, konten dari platform CMS tertentu (WordPress terkadang menyisipkannya), dan dokumen yang dikonversi dari format teks kaya.

Mengapa menyebabkan masalah: Karena tidak terlihat, tidak ada cara untuk mengetahui keberadaannya sampai perbandingan, pencarian basis data, atau impor gagal secara tak terduga. Ini adalah penyebab paling umum dari baris "identik" yang menolak untuk cocok.

Ya - membersihkan karakter tak terlihat terlebih dahulu adalah salah satu langkah persiapan terbaik sebelum menggunakan alat Bandingkan Dua Daftar atau Bandingkan Banyak Daftar.

Salin output yang telah dibersihkan dari alat ini dan tempel ke alat perbandingan. Kedua alat juga memiliki opsi "Abaikan spasi awal/akhir" yang menangkap NBSP di batas baris - tetapi Detektor Karakter Tak Terlihat lebih menyeluruh: menemukan dan menghapus semua karakter tak terlihat terlepas dari di mana mereka muncul dalam sebuah baris.