Detector de Caracteres Invisíveis

Caracteres invisíveis são pontos de código Unicode que aparecem como espaço em branco ou não ocupam espaço visível, mas são tecnicamente diferentes de um espaço normal. Aparecem frequentemente em dados copiados de páginas web, PDFs, planilhas e campos de banco de dados exportados.

Tipos comuns detectados por esta ferramenta:

• NBSP (U+00A0) - visualmente idêntico a um espaço normal, mas é um caractere diferente; inserido por editores HTML e processadores de texto
• ZWS (U+200B) - completamente invisível, não ocupa espaço; a principal causa de linhas "idênticas" que não correspondem
• ZWJ / ZWNJ - controlam se caracteres adjacentes se unem; comuns em árabe, persa e sequências de emoji
• BOM (U+FEFF) - adicionado ao início de arquivos pelo Notepad do Windows, Excel e PowerShell; faz com que a primeira linha nunca corresponda
• CR (U+000D) - retorno de carro; parte dos finais de linha CRLF do Windows, causa discrepâncias por caracteres no final
• TAB (U+0009) - tabulação horizontal; de arquivos TSV, editores de código e copiar-colar do terminal

Um espaço normal (U+0020) e um espaço sem quebra (U+00A0) são visualmente idênticos, mas têm códigos de caractere completamente diferentes. Ao comparar listas, um item com NBSP no final não corresponderá ao mesmo item com espaço normal - mesmo que ambos pareçam idênticos na tela.

Espaços de largura zero são ainda mais difíceis de detectar: não ocupam nenhum espaço visível, então você não tem nenhuma indicação visual de que estão presentes até que uma comparação ou busca no banco de dados falhe inesperadamente.

Esta ferramenta revela exatamente onde cada caractere invisível está escondido para que você possa limpar seus dados antes de comparar.

As fontes mais comuns são:

• Páginas web - HTML usa frequentemente NBSP (a entidade  ) para layout; qualquer cópia de um site pode trazê-los
• PDFs - o espaçamento e os finais de linha costumam ser inconsistentes na extração de texto
• Planilhas - Excel e Google Sheets às vezes inserem ZWS em células formatadas
• Exportações de banco de dados - alguns bancos de dados preservam NBSP em campos de texto de suas aplicações fonte
• Teclados móveis - alguns inserem NBSP em vez de um espaço normal após a pontuação
• Processadores de texto - Microsoft Word e aplicações similares usam espaços sem quebra em texto formatado

1. Cole seu texto na caixa de entrada. O painel anotado mostra cada caractere invisível como um emblema colorido (ex. [NBSP], [ZWS]) para que você veja exatamente onde aparecem.
2. Copie do painel Limpo abaixo, que mostra o mesmo texto com todos os caracteres invisíveis removidos.

Para limpeza contínua de dados, o Limpador de Listas também tem uma opção dedicada "Remover caracteres invisíveis".

Um espaço sem quebra (U+00A0) é visualmente idêntico a um espaço normal, mas tem um código de caractere diferente (160 vs. 32). Foi originalmente projetado para manter palavras adjacentes na mesma linha - por exemplo, para que "100 km" não seja dividido em uma quebra de linha.

De onde vem: Editores HTML (a entidade  ), processadores de texto como o Microsoft Word e alguns teclados móveis que o inserem após pontuação.

Por que causa problemas: Qualquer comparação exata de strings trata NBSP como distinto de um espaço normal, causando discrepâncias inesperadas em comparações de listas, buscas em banco de dados e importações - mesmo quando o texto parece idêntico na tela.

Um espaço de largura zero (U+200B) não ocupa nenhum espaço visível - é completamente invisível aos olhos. Foi originalmente projetado para marcar pontos opcionais de quebra de linha em escritas que não usam espaços entre palavras (como tailandês ou texto CJK).

De onde vem: Texto extraído de páginas web, conteúdo de certas plataformas CMS (WordPress às vezes os insere) e documentos convertidos de formatos de rich text.

Por que causa problemas: Como é invisível, não há como saber que está presente até que uma comparação, busca no banco de dados ou importação falhe inesperadamente. É a causa mais comum de linhas "idênticas" que se recusam a corresponder.

Sim - limpar os caracteres invisíveis primeiro é uma das melhores etapas de preparação antes de usar as ferramentas Comparar Duas Listas ou Comparar Múltiplas Listas.

Copie a saída limpa desta ferramenta e cole na ferramenta de comparação. Ambas as ferramentas também têm uma opção "Ignorar espaços no início/fim" que detecta NBSP nos limites de linha - mas o Detector de Caracteres Invisíveis é mais completo: ele encontra e remove todos os caracteres invisíveis, independentemente de onde apareçam em uma linha.