Normalizador Unicode - NFC, NFD, NFKC, NFKD y Eliminador de Acentos
Normalizador Unicode
Arregle texto que se ve igual pero no lo es: acentos compuestos o descompuestos, ligaduras y caracteres invisibles
Las Cuatro Formas
Convierta a NFC, NFD, NFKC o NFKD con un clic y vea en qué formas ya está su texto.
Opciones de Limpieza
Quite los acentos para obtener letras simples, elimine caracteres de ancho cero y guiones blandos, y convierta los espacios de no separación en espacios normales.
Compare Parecidos
Compruebe si dos cadenas que se ven idénticas son realmente iguales y vea exactamente qué puntos de código difieren.
Cada Punto de Código
Una tabla enumera cada punto de código con sus bytes UTF-8 y su categoría Unicode, para detectar fácilmente los caracteres ocultos.
Por Qué un Texto que se Ve Igual No lo Es
Unicode permite a menudo escribir el mismo carácter visible de más de una manera. La letra é puede ser un solo punto de código (U+00E9) o una e seguida de un acento agudo combinante (U+0065 U+0301). Ambas se ven igual, pero un programa que las compara byte a byte dice que son distintas. Eso rompe búsquedas, comprobaciones de duplicados, nombres de archivo, consultas a bases de datos y comparaciones de contraseñas, y macOS y Windows a menudo guardan el mismo nombre de archivo en formas distintas.
La normalización convierte todas las escrituras equivalentes en una forma estándar. NFC compone los caracteres y es lo que la mayoría del software espera para la web y las bases de datos. NFD los descompone. Las formas K (NFKC, NFKD) unifican además los parecidos por compatibilidad: la ligadura fi pasa a fi, las letras de ancho completo pasan a letras normales y el ① pasa a 1. Es útil para buscar y comparar identificadores, pero pierde información, así que no la use en texto que deba conservar exactamente. Las opciones de limpieza eliminan los caracteres de ancho cero, causa habitual de cadenas que parecen iguales pero no lo son.
Puntos Clave
- Contrastado con Python: Las cuatro formas y la eliminación de acentos dieron resultados idénticos a unicodedata de Python en miles de cadenas de prueba.
- NFC es la opción segura: Use NFC para almacenar e intercambiar. Use NFKC solo para comparar y buscar.
- Los unidores de ancho cero importan: Eliminar U+200C y U+200D puede romper secuencias de emojis y la escritura de algunos alfabetos, así que deje esa opción desactivada con ese texto.