20 guide sullo stesso tema
Testo, file e Unicode
Capisci che cosa viene contato e che cosa cambia durante l’estrazione o la pulizia. Esempi di grafemi, byte, spazi invisibili, formati testuali e righe duplicate.
Da quale domanda partire?
Se il documento è un PDF, inizia dalla prova di estrazione: un totale plausibile può nascondere colonne mescolate o pagine prive di testo. Per i DOCX verifica invece il perimetro importato, che non comprende automaticamente ogni oggetto del documento.
Quando la differenza riguarda pochi caratteri, guarda l’unità: grafemi, punti di codice e byte non coincidono. Per pulire un elenco decidi separatamente spazi, righe vuote e duplicati. Una trasformazione che riduce il numero può unire due parole o cambiare un identificativo: gli esempi aiutano a controllare il significato oltre al conteggio.
Come contare parole e caratteri in un PDF
Per contare le parole di un PDF serve testo estraibile. Importa il documento, controlla che le prime e le ultime righe siano complete e confronta un campione con la pagina originale. Se il PDF contiene soltanto immagini, occorre prima il riconoscimento OCR. Il totale è affidabile quanto il contenuto effettivamente estratto.
6 min di lettura stimata Testo, file e UnicodeCome capire se un PDF è scansionato e richiede OCR
Se il PDF mostra lettere ma non consente di copiarle come testo, potrebbe contenere una scansione senza livello testuale. L’OCR riconosce le forme e crea testo ricercabile. Prima di contare le parole, verifica accenti, numeri, ordine di lettura e completezza: il riconoscimento automatico può introdurre errori.
6 min di lettura stimata Testo, file e UnicodeCome estrarre e controllare il testo di un PDF a colonne
Quando il testo di un PDF a colonne arriva mescolato, controlla l’ordine prima di contare o analizzare le frasi. Copia una colonna per volta, confronta inizio e fine dei blocchi e conserva titoli, note e tabelle secondo la consegna. Il totale delle parole può sembrare corretto anche se la lettura è sbagliata.
6 min di lettura stimata Testo, file e UnicodeCome contare parole e caratteri in un file DOCX
Un conteggio DOCX dipende dalle parti che il lettore del file estrae. Il nostro importatore legge il corpo del documento e le tabelle, ma esclude intestazioni, piè di pagina, note e commenti. Prima di confrontarlo con un altro programma, verifica che entrambi stiano misurando esattamente lo stesso contenuto.
6 min di lettura stimata Testo, file e UnicodeCome correggere gli accenti sbagliati in un file TXT
Se un TXT mostra accenti errati, conserva l’originale e verifica con quale codifica è stato letto. Il nostro importatore interpreta i TXT come UTF-8. Un nuovo salvataggio non recupera automaticamente lettere già sostituite: quando possibile, riapri i byte originali con la codifica corretta e riesporta una copia UTF-8.
6 min di lettura stimata Testo, file e UnicodeDifferenza tra caratteri e byte UTF-8 con esempi
I caratteri descrivono il contenuto del testo; i byte descrivono come viene codificato. In UTF-8 una lettera accentata può usare più byte di una lettera ASCII, e una emoji composta può unire diversi punti di codice. Prima di verificare un limite, chiarisci quale unità richiede il destinatario.
6 min di lettura stimata Testo, file e UnicodeQuanti caratteri conta un’emoji? Grafemi e sequenze Unicode
Una emoji visibile può essere un solo grafema e contenere più punti di codice. Nel nostro contatore una sequenza riconosciuta come un grafema vale un carattere, ma una piattaforma può applicare regole diverse. Non confrontare i totali senza verificare il criterio, soprattutto con modificatori di colore, bandiere e sequenze unite.
6 min di lettura stimata Testo, file e UnicodeChe cosa cambia tra normalizzazione Unicode NFC e NFD?
Due parole possono apparire identiche e contenere sequenze Unicode diverse. NFC e NFD rendono confrontabili rappresentazioni canoniche degli stessi caratteri, senza significare “togli gli accenti”. Prima di normalizzare, conserva l’originale e chiarisci se il compito richiede contenuto leggibile, uguaglianza tecnica o byte identici.
6 min di lettura stimata Testo, file e UnicodeChe cos’è uno spazio non separabile e come sostituirlo?
Uno spazio non separabile tiene insieme elementi che non dovrebbero andare su righe diverse. Può sembrare uno spazio ordinario ma avere un codice e un peso in byte differenti. Prima di sostituirlo, chiarisci se stai preparando un testo da leggere oppure dati da confrontare e importare.
6 min di lettura stimata Testo, file e UnicodeCome trovare e rimuovere i caratteri invisibili nel testo
Un carattere invisibile può cambiare confronto, ricerca o visualizzazione senza aggiungere una lettera visibile. Prima di rimuoverlo, identifica il punto di codice e la sua funzione. Alcuni elementi sono rumore in un elenco; altri tengono insieme emoji o influenzano scritture e direzione. Lavora su una copia e controlla le modifiche.
6 min di lettura stimata Testo, file e UnicodeDifferenza tra a capo, righe e paragrafi nel conteggio del testo
Una riga che va a capo perché manca spazio sullo schermo non aggiunge necessariamente un separatore al testo. Un ritorno a capo esplicito sì. Nel nostro contatore LF e CRLF vengono uniformati; gli a capo non entrano nelle battute, mentre righe e paragrafi seguono due regole diverse. Ecco come verificare il tuo caso.
6 min di lettura stimata Testo, file e UnicodeCome contare le parole in Markdown senza confondere la sintassi
Per contare un testo Markdown devi decidere se misurare il file sorgente oppure il contenuto che il lettore vedrà dopo la conversione. Asterischi, indirizzi dei link e codice possono cambiare molto il risultato. Il contatore misura ciò che incolli: non interpreta automaticamente la sintassi Markdown e non decide quali parti escludere.
6 min di lettura stimata Testo, file e UnicodeCome contare il testo di una pagina HTML
Il codice HTML contiene più del testo letto sulla pagina: tag, attributi e talvolta script o stili. Per misurare un articolo seleziona il suo contenuto e controlla la copia risultante. Se usi un’estrazione tecnica, dichiara quale proprietà e quale area hai letto: testo del documento e testo visibile non sono sempre equivalenti.
6 min di lettura stimata Testo, file e UnicodeCome rimuovere le righe duplicate senza cambiare l’ordine
Per rimuovere righe duplicate devi definire che cosa rende due righe uguali: stessa sequenza, differenze di maiuscole ignorate oppure spazi ai bordi trascurati. Il nostro strumento conserva la prima occorrenza e il suo ordine. Le opzioni modificano il confronto; ignorare gli spazi ai bordi non riscrive automaticamente la riga conservata.
6 min di lettura stimata Testo, file e UnicodeCome rimuovere gli spazi doppi senza unire le parole
Per togliere gli spazi doppi dalla prosa, riduci le sequenze di spazi ordinari tra parole e tratta separatamente i bordi delle righe. Non sostituire alla cieca ogni carattere bianco: potresti eliminare a capo, tabulazioni e spazi con una funzione precisa. Confronta sempre testo e conteggi prima e dopo la pulizia.
6 min di lettura stimata Testo, file e UnicodeCome unire righe di testo conservando paragrafi ed elenchi
Per unire righe spezzate dentro una frase, sostituisci l’a capo con uno spazio, dopo aver distinto quelle interruzioni dai confini dei paragrafi. Cancellarlo senza separatore può fondere due parole. Elenchi, indirizzi, versi e campi tabellari richiedono un trattamento proprio. Le parole divise da sillabazione vanno controllate separatamente prima di ricomporle.
6 min di lettura stimata Testo, file e UnicodeCome convertire maiuscole e minuscole conservando gli accenti
La conversione in maiuscolo deve conservare gli accenti: “È già lunedì.” diventa “È GIÀ LUNEDÌ.”. Un apostrofo al posto dell’accento è un carattere diverso e non viene corretto dalla conversione. Nei testi multilingui il cambio di caso può anche modificare la lunghezza. Controlla perciò grafia, nomi e conteggio dopo la trasformazione.
6 min di lettura stimata Testo, file e UnicodeCome contare campi, record e righe di un file CSV
In un CSV una riga visiva non corrisponde sempre a un record: un campo tra virgolette può contenere un ritorno a capo. Per contare parole o caratteri delle celle, interpreta prima il formato e scegli le colonne. Incollare l’intero sorgente nel contatore misura anche intestazioni e sintassi, senza ricostruire automaticamente i campi.
6 min di lettura stimata Testo, file e UnicodeCome togliere la sillabazione dal testo copiato da un PDF
Una parola copiata può conservare un trattino visibile e un a capo, oppure un soft hyphen invisibile. Prima di ricomporla, verifica se il segno appartiene alla parola o alla sua impaginazione. Eliminare tutti i trattini può danneggiare nomi e codici; togliere soltanto gli a capo può lasciare una grafia sbagliata ma contata come una parola.
6 min di lettura stimata Testo, file e UnicodeCome incollare senza formattazione e controllare il testo
Incollare senza formattazione serve a trasferire il testo evitando gli stili della sorgente. Non garantisce la rimozione di spazi speciali, tabulazioni o caratteri invisibili, e può cambiare la rappresentazione di elenchi e tabelle. Prima di contare, controlla che la selezione sia completa, che i confini tra parole restino corretti e che il contenuto richiesto sia presente.
6 min di lettura stimata