Rilevatore di Caratteri Invisibili

I caratteri invisibili sono punti di codice Unicode che vengono visualizzati come spazi bianchi o non occupano spazio visibile, ma sono tecnicamente diversi da uno spazio normale. Compaiono frequentemente nei dati copiati da pagine web, PDF, fogli di calcolo e campi di database esportati.

Tipi comuni rilevati da questo strumento:

• NBSP (U+00A0) - visivamente identico a uno spazio normale ma è un carattere diverso; inserito da editor HTML ed elaboratori di testi
• ZWS (U+200B) - completamente invisibile, non occupa spazio; la causa principale di righe "identiche" che non corrispondono
• ZWJ / ZWNJ - controllano se i caratteri adiacenti si uniscono; comuni in arabo, persiano e sequenze di emoji
• BOM (U+FEFF) - aggiunto all'inizio dei file da Windows Notepad, Excel e PowerShell; fa sì che la prima riga non corrisponda mai
• CR (U+000D) - ritorno a capo; parte delle terminazioni di riga CRLF di Windows, causa discrepanze nei caratteri finali
• TAB (U+0009) - tabulazione orizzontale; da file TSV, editor di codice e copia-incolla dal terminale

Uno spazio normale (U+0020) e uno spazio non separabile (U+00A0) sono visivamente identici ma hanno codici di carattere completamente diversi. Nel confronto di liste, un elemento con un NBSP finale non corrisponderà allo stesso elemento con uno spazio normale - anche se entrambi sembrano identici sullo schermo.

Gli spazi a larghezza zero sono ancora più difficili da rilevare: non occupano alcuno spazio visibile, quindi non c'è alcuna indicazione visiva della loro presenza fino a quando un confronto o una ricerca nel database non fallisce inaspettatamente.

Questo strumento rivela esattamente dove si nasconde ogni carattere invisibile in modo da poter pulire i dati prima di confrontarli.

Le fonti più comuni sono:

• Pagine web - HTML utilizza frequentemente NBSP (l'entità  ) per il layout; qualsiasi copia-incolla da un sito web può portarli
• PDF - la spaziatura e le terminazioni di riga sono spesso incoerenti durante l'estrazione del testo
• Fogli di calcolo - Excel e Google Sheets a volte inseriscono ZWS nelle celle formattate
• Esportazioni di database - alcuni database preservano NBSP nei campi di testo delle loro applicazioni sorgente
• Tastiere mobili - alcune inseriscono NBSP invece di uno spazio normale dopo la punteggiatura
• Elaboratori di testi - Microsoft Word e app simili usano spazi non separabili nel testo formattato

1. Incolla il tuo testo nella casella di input. Il pannello annotato mostra ogni carattere invisibile come un badge colorato (es. [NBSP], [ZWS]) in modo da vedere esattamente dove compaiono.
2. Copia dal pannello Pulito in basso, che mostra lo stesso testo con tutti i caratteri invisibili rimossi.

Per la pulizia continua dei dati, il Pulitore Dati Lista ha anche un'opzione dedicata "Rimuovi caratteri invisibili".

Uno spazio non separabile (U+00A0) è visivamente identico a uno spazio normale ma ha un codice di carattere diverso (160 vs 32). È stato originariamente progettato per mantenere le parole adiacenti sulla stessa riga - per esempio, per evitare che "100 km" si divida a un'interruzione di riga.

Da dove viene: Editor HTML (l'entità  ), elaboratori di testi come Microsoft Word e alcune tastiere mobili che lo inseriscono dopo la punteggiatura.

Perché causa problemi: Qualsiasi confronto esatto di stringhe tratta NBSP come distinto da uno spazio normale, causando discrepanze inattese nei confronti di liste, ricerche nei database e importazioni - anche quando il testo sembra identico sullo schermo.

Uno spazio a larghezza zero (U+200B) non occupa alcuno spazio visibile - è completamente invisibile all'occhio. È stato originariamente progettato per indicare punti facoltativi di interruzione di riga negli scritti che non usano spazi tra le parole (come il tailandese o il testo CJK).

Da dove viene: Testo estratto da pagine web, contenuti di certe piattaforme CMS (WordPress li inserisce a volte) e documenti convertiti da formati di testo avanzato.

Perché causa problemi: Poiché è invisibile, non è possibile sapere che è presente fino a quando un confronto, una ricerca nel database o un'importazione non fallisce inaspettatamente. È la causa più comune di righe "identiche" che si rifiutano di corrispondere.

Sì - pulire prima i caratteri invisibili è uno dei migliori passi preparatori prima di usare gli strumenti Confronta due liste o Confronta più liste.

Copia l'output pulito da questo strumento e incollalo nello strumento di confronto. Entrambi gli strumenti hanno anche un'opzione "Ignora spazi iniziali/finali" che cattura NBSP ai limiti di riga - ma il Rilevatore di Caratteri Invisibili è più completo: trova e rimuove tutti i caratteri invisibili indipendentemente da dove compaiono in una riga.