Come ripulire e deduplicare il testo

Il testo che incolli da e-mail, fogli di calcolo, PDF e pagine web non è quasi mai pulito. Arriva con voci duplicate, righe vuote, spazi sparsi e caratteri invisibili che rompono ricerche e importazioni. Questa guida percorre le attività di pulizia comuni e il modo più rapido per farne ciascuna.

Rimuovere le righe duplicate

Le liste unite — indirizzi e-mail, URL, codici prodotto — sono piene di ripetizioni. Deduplicare mantiene la prima occorrenza di ogni riga e scarta il resto, cosa essenziale prima di importare dati o inviare una mailing. Decidi in anticipo se la corrispondenza debba distinguere maiuscole e minuscole (Apple e apple come diversi) oppure no. Lo strumento rimuovi righe duplicate lo fa in un passo.

Rimuovere le righe vuote

Il testo copiato spesso trascina interlinea doppia o righe vuote che gonfiano il conteggio delle righe e rompono la formattazione. Togliere le righe vuote ripiega una lista al solo contenuto reale.

Ordinare

Ordinare rende una lista scorribile e rende evidenti duplicati e valori anomali. L'ordine alfabetico è quello predefinito, ma per i dati fai attenzione all'ordine naturale vs. lessicografico: lessicograficamente, item10 precede item2 perché confronta carattere per carattere. Lo strumento ordina righe gestisce entrambi gli ordini.

I piantagrane invisibili

Spazi finali (trailing whitespace)

Gli spazi in fondo a una riga sono invisibili ma reali — fanno sì che due righe di aspetto identico siano trattate come diverse, vanificando la deduplicazione e rompendo le ricerche.

Spazi unificatori e virgolette tipografiche

Il testo copiato da elaboratori di testo e pagine web contiene spesso spazi unificatori (che sembrano spazi normali ma non lo sono) e virgolette curve «tipografiche» al posto di quelle dritte. Sono una causa classica dei bug del tipo «ma sembra uguale!». La nostra guida alla codifica dei caratteri spiega da dove vengono, e il convertitore Unicode rivela i veri punti di codice nascosti nel tuo testo.

Un flusso di pulizia

1. Rimuovi le righe vuote per ripiegare la lista.
2. Ordina così i duplicati stanno uno accanto all'altro.
3. Rimuovi le righe duplicate.
4. Fai un trova e sostituisci mirato per correggere i caratteri sparsi.

Concatenare questi piccoli strumenti di testo trasforma un incollaggio disordinato in dati puliti e pronti all'importazione in meno di un minuto — tutto nel tuo browser.