Comprendre
Choisir ce que le nettoyage doit préserver
Un copier-coller peut transporter des espaces particuliers, des tabulations ou des caractères de contrôle. Nettoyer consiste à choisir une représentation adaptée à la destination. Ce n’est pas une correction du sens, de l’orthographe ou de la structure du document.
Un texte sans style
Une zone de texte reçoit du texte brut. Elle ne conserve ni couleur, ni graisse, ni liens enrichis du document copié. Un fragment HTML écrit littéralement reste cependant du texte, avec ses balises visibles. L’outil ne cherche pas à extraire le contenu d’une page HTML.
Des paragraphes utiles
Limiter les lignes vides conserve une séparation entre paragraphes. Les supprimer toutes rapproche les lignes sans fusionner les phrases. Les retours à la ligne nécessaires à une liste ou à un poème méritent donc une relecture.
Un résultat à relire
Le nettoyage extrême est volontairement destructif pour la présentation. Il peut aussi modifier des séquences Unicode. Comparez le résultat à la source avant de l’utiliser dans un document important.
Un exemple simple
Le texte « Bonjour, le monde ! » est proposé à l’ouverture. Les espaces aux bords de la ligne sont retirées et celles entre les mots sont ramenées à une seule. Le résultat devient « Bonjour, le monde ! ». La ponctuation et les majuscules restent identiques. Le fichier téléchargé contient exactement le résultat affiché, sans ajouter de saut de ligne final.
Compter sans confondre
Les points Unicode sont les unités de caractères du compteur. Un accent décomposé ou un emoji composé peut compter plusieurs points, même si une seule forme est visible. Les blocs sont les suites non vides séparées par des espaces au sens Unicode. Ce comptage n’est pas une analyse linguistique des mots. Une ligne finale vide compte comme une ligne, tandis qu’un texte complètement vide en compte zéro.
La limite de traitement et d’import est exprimée séparément en unités UTF-16, le format des chaînes du navigateur. Un caractère hors du plan de base peut occuper deux de ces unités. Le contrôle de taille ne tronque jamais silencieusement votre texte.
Préparer une adresse
Le slug ASCII est une convention technique. Le titre « L’été à l’école — Œuvres & idées » devient « l-ete-a-l-ecole-oeuvres-idees ». Les ligatures œ et æ sont développées et les groupes de signes non ASCII deviennent des tirets. Cette transformation ne garantit aucun classement dans un moteur de recherche. Un texte écrit uniquement dans un autre alphabet peut produire un slug vide.
Les changements de casse sont mécaniques. La mise en majuscule après une ponctuation ne reconnaît ni les noms propres ni les abréviations. Pour comparer des lignes avant et après une préparation, le comparateur de listes peut compléter une vérification manuelle.
Méthode et conventions
- Les caractères de formatage peuvent participer à une écriture ou à un emoji. Voir la structure des séquences Unicode. Le répertoire reconnu dépend du navigateur.
- Le retrait des accents latins repose sur la décomposition canonique décrite dans Unicode UAX 15. Il ne s’agit pas d’une translittération universelle.