Tecniwao
English
Volver a herramientas

Limpiador de Texto (Sanitizer)

Limpia texto eliminando caracteres invisibles y normalizando formato.

Ver todas las herramientas

¿Qué son los caracteres de control Unicode?

Muchos caracteres Unicode están diseñados para controlar la interpretación o visualización del texto sin tener ninguna representación visual o espacial. Los códigos de control C0 (U+0000 a U+001F) provienen del estándar ASCII e incluyen caracteres como NULL, TAB (tabulación), LF (salto de línea) y CR (retorno de carro). Además, Unicode introduce caracteres de ancho cero como el espacio de ancho cero (U+200B), el separador de sílabas de ancho cero (U+200C) y el unidor de ancho cero (U+200D), así como marcas de control de texto bidireccional.

Estos caracteres suelen filtrarse en el texto al copiar y pegar desde páginas web, procesadores de texto o archivos PDF, causando problemas en la comparación de cadenas, búsquedas, validación de formularios y procesamiento automatizado de datos. También existen los códigos de control C1 (U+0080 a U+009F) heredados de ISO/IEC 8859-1.

Preguntas frecuentes

¿Qué son los caracteres Unicode invisibles?
Son códigos que no tienen representación visual pero afectan la interpretación del texto. Incluyen los códigos de control C0 (U+0000 a U+001F) como NULL, TAB, LF y CR; los códigos C1 (U+0080 a U+009F); y caracteres de ancho cero como U+200B. Se filtran al copiar texto de páginas web, PDFs o emails, causando problemas en comparación de strings y validaciones.

¿Cómo eliminar caracteres invisibles de un texto?
Usa nuestro limpiador de texto online: pega el texto en el área de entrada y la herramienta eliminará automáticamente todos los caracteres de control Unicode, normalizará los saltos de línea y convertirá tabs a espacios. El resultado es un texto limpio listo para usar en programación, bases de datos o procesamiento de datos.

¿Qué problemas causan los caracteres de control en programación?
Causan fallos en comparación de cadenas (strings aparentemente idénticas que no coinciden), errores en validación de formularios, búsquedas que no encuentran resultados en bases de datos, problemas al parsear JSON o XML, y vulnerabilidades de seguridad como ataques de homoglifos o confusión bidireccional (CVE-2021-42574).

¿Qué es un espacio de ancho cero (U+200B) y cómo eliminarlo?
El espacio de ancho cero (U+200B) es un carácter Unicode invisible que indica una posible partición de línea sin agregar espacio visible. Se introduce frecuentemente al copiar texto de editores web, CMS o procesadores de texto. Nuestro limpiador lo detecta y remueve automáticamente junto con otros caracteres de ancho cero.

¿Cómo normalizar saltos de línea entre Windows, Linux y macOS?
Los sistemas usan distintos caracteres para saltos de línea: Linux/macOS usa LF (U+000A), Windows usa CR+LF, y macOS clásico usaba CR. Nuestro limpiador unifica automáticamente todos los formatos a un solo estándar (LF), garantizando compatibilidad entre plataformas.

¿Por qué mi texto pegado de un PDF contiene caracteres extraños?
Al copiar texto de un PDF, los procesadores suelen insertar caracteres de control invisibles como espacios de ancho cero, marcas de orden de bytes (BOM) y caracteres de control de fuentes. Usa el limpiador de texto para normalizar tu contenido después de extraerlo de cualquier PDF o documento.

Casos de uso comunes

  • Limpiar texto pegado de la web: Eliminar caracteres Unicode invisibles que se introducen al copiar texto de páginas web, documentos PDF o correos electrónicos.
  • Normalizar saltos de línea: Unificar los distintos formatos de salto de línea (LF en Linux/macOS, CR+LF en Windows, CR en macOS clásico) a un solo estándar.
  • Eliminar caracteres de ancho cero: Remover espacios de ancho cero (U+200B) y otros marcadores invisibles que rompen la comparación de cadenas y las búsquedas en bases de datos.
  • Depurar texto bidireccional: Detectar y eliminar caracteres de control de direccionalidad (LRM, RLM, LRE, RLE) que pueden alterar la visualización esperada del texto.

Herramientas relacionadas

Generador de UUID y Tokens

Genera UUIDs v4, v7, ULIDs, NanoIDs y tokens aleatorios personalizados

Validador de UUID

Valida y analiza identificadores UUID versión 1-8. Detecta versión, variante RFC 4122 y GUID.

Compresor Deflate

Comprime y descomprime texto usando Deflate raw sin header GZIP.

Comparador de Archivos

Compara dos textos y visualiza las diferencias línea a línea