Togli markdown e caratteri invisibili

Che cosa fa, in due passate

La prima passata guarda i caratteri che non si vedono: li conta uno per uno, ti dice di che tipo sono e li toglie o li trasforma in uno spazio normale. La seconda converte il markdown in testo semplice: i cancelletti dei titoli spariscono e il titolo resta una riga a sé, il grassetto e il corsivo diventano testo, gli elenchi restano elenchi, le tabelle diventano righe leggibili, i link diventano «testo (indirizzo)» oppure solo il testo, le citazioni perdono il segno maggiore. Dentro i blocchi di codice, sia quelli fra i tre apici sia quelli rientrati di quattro spazi, il markdown non viene convertito e gli spazi restano come sono. In coda c'è la normalizzazione tipografica, che va in una direzione sola: dalle virgolette curve a quelle dritte, dal trattino lungo a quello normale, dal carattere dei puntini di sospensione ai tre punti da tastiera. Il contrario, per chi impagina, non lo fa questo strumento. Attenzione a una scelta fatta apposta: i caratteri invisibili e la tipografia, quando li accendi, vengono sistemati anche dentro il codice, perché uno spazio unificatore o una virgoletta curva dentro una stringa sono proprio ciò che rompe il programma.

I caratteri che non si vedono, e perché fanno danni

Lo spazio unificatore (U+00A0) è quello che tiene «10 kg» sulla stessa riga: sembra uno spazio, ma per un programma è un altro carattere. Dentro una stringa di codice fa fallire la compilazione, dentro un campo di un gestionale fa rifiutare il dato, e in un confronto fra due testi identici fa risultare che sono diversi. Il carattere a larghezza zero (U+200B) e il segno U+FEFF non occupano nemmeno spazio: sono invisibili del tutto, e si portano dietro il copia-incolla da una pagina web o da un editor. Il trattino morbido (U+00AD) è un suggerimento di sillabazione che compare solo quando la parola va a capo, ma resta nel dato. I segni di direzione servono ai testi arabi ed ebraici e in un testo latino sono quasi sempre finiti lì per sbaglio. I caratteri di controllo non dovrebbero proprio esserci. Per ognuno di questi la pagina ti dice quanti sono e che fine hanno fatto: non è una pulizia alla cieca.

Le eccezioni: due caratteri invisibili che NON vanno tolti

Ci sono due caratteri a larghezza zero che sono contenuto vero, non sporcizia. Il primo è l'unito a larghezza zero (U+200D): è quello che tiene insieme le emoji composte. Una famiglia è scritta come quattro figure separate incollate da tre U+200D, una professione come una persona più un oggetto, e togliendo quel carattere l'emoji si spezza sotto gli occhi di chi legge. Il secondo è il non unito a larghezza zero (U+200C): in persiano e nelle scritture indiane non è un ornamento ma una lettera, perché impedisce due lettere di legarsi e cambia la parola scritta. Qui i due interruttori esistono, sono spenti di partenza, e anche quando li accendi il tool lascia stare quelli in posizione legittima: un U+200D fra due segni pittografici e un U+200C accanto a una lettera araba, persiana o indiana non vengono toccati mai. Compaiono lo stesso nel conteggio, come pallini vuoti, così sai che ci sono.

Perché la vista prima/dopo resta sempre accesa

Perché il markdown non è un linguaggio senza ambiguità, e chi lo converte deve poter controllare. In «3 * 4 * 5» gli asterischi sono moltiplicazioni, in nome_utente_lungo le sottolineature fanno parte del nome, in una nota a piè di pagina le parentesi quadre non sono un link. Questa pagina è prudente per costruzione: un asterisco apre il grassetto solo se non ha uno spazio dopo e non ha una lettera o una cifra prima, quindi le moltiplicazioni e i nomi di variabile restano. Ma la prudenza non basta a garantire il risultato su un testo che non ha mai visto: nel riquadro «Prima» ogni segno che sta per sparire è colorato, quindi lo vedi prima di copiare, non dopo averlo incollato altrove.

Non dice se un testo è scritto da un'AI

Molti arrivano qui cercando quello, e la risposta onesta è che dai caratteri non si capisce. Il trattino lungo, le virgolette curve e i puntini di sospensione come carattere unico li mette anche la correzione automatica del telefono, li mette Word, li mette qualunque impaginatore, e li usa da sempre chi scrive per mestiere. Al contrario, un testo generato e poi ripulito non ha più niente di riconoscibile. I programmi che promettono quel verdetto sbagliano spesso, e sbagliano soprattutto contro chi scrive in una lingua che non è la sua. Questo strumento fa una cosa sola e la fa per intero: sistema i caratteri.

Cosa non fa, dichiarato

Non toglie i tag HTML: per quello c'è Rimuovi tag HTML. Non ripara gli accenti storpiati (i «perché»), che sono un problema di codifica e si risolvono con Ripara i caratteri sbagliati. Se ti servono solo gli spazi doppi e i rientri, Rimuovi spazi extra è più diretto. Non rimette il markdown dove non c'è e non converte in senso inverso. Lascia stare le note a piè di pagina e i link scritti con il riferimento ([testo][1]), perché toccarli farebbe più danni che altro, e lascia stare le tabulazioni, che spesso sono la struttura del dato. Un blocco di codice aperto e mai chiuso viene segnalato invece che indovinato. La vista prima/dopo si ferma ai primi 20.000 caratteri per non bloccare il telefono, mentre il testo che copi e scarichi è sempre intero; oltre i 200.000 caratteri il tool si ferma e te lo dice. Tutto avviene nel tuo browser: il testo non viene caricato da nessuna parte.