Expanda ligaduras tipográficas y corrija fi y fl

Una palabra con fi puede verse correcta, pero no aparecer al buscar fi de forma exacta. Esta herramienta convierte esas ligaduras tipográficas en letras corrientes sin modificar las palabras, la puntuación, los espacios ni los saltos de línea que las rodean. El resultado se puede buscar, indexar, comparar, citar y transferir con mayor fiabilidad.

Por qué un texto visualmente correcto puede ser difícil de buscar

Los programas de composición tipográfica sustituyen a veces dos o tres letras contiguas por un único glifo ligado. Esto es especialmente habitual con fi, fl, ff, ffi y ffl, cuyas formas pueden chocar en una fuente cuidadosamente diseñada. Cuando un PDF expone ese glifo como carácter de presentación Unicode, al copiar la página se conserva la ligadura en vez de las letras que representa. La palabra pegada parece normal, pero el programa puede detectar otra secuencia de puntos de código. Por ello, una búsqueda literal de «file» no siempre coincide con una palabra copiada que empieza por el carácter único fi. La discrepancia también afecta a índices, detección de duplicados, consultas de bases de datos, búsquedas en terminal, accesibilidad y comparaciones. Esta función convierte únicamente las ligaduras admitidas en secuencias latinas corrientes, conserva las mayúsculas cuando procede y deja intactos los caracteres ajenos, incluidos acentos, signos, tabulaciones, espacios y finales de línea.

Qué cambia la expansión y qué conserva

Introduzca el contenido en el campo de texto; el resultado incluye el texto expandido y el número de sustituciones. El algoritmo reconoce las formas Unicode de ff, fi, fl, ffi y ffl, además de las dos formas históricas de st. También desarrolla las ligaduras habituales AE y OE en mayúsculas y minúsculas, generando AE, ae, OE u oe según corresponda. Cada carácter reconocido cuenta como una sustitución aunque produzca tres letras. El recuento permite comprobar si un fragmento pegado contenía tipografía oculta. El procesamiento es determinista y se realiza en una sola pasada: una entrada idéntica siempre genera la misma salida y ningún modelo lingüístico intenta adivinar la intención. La herramienta no normaliza acentos, cambia comillas, elimina espacios, corrige la ortografía ni modifica guiones. Si el documento contiene errores de OCR en vez de ligaduras auténticas, esos errores permanecen visibles para tratarlos por separado.

Cómo usar el texto limpio en búsquedas y documentos

La expansión resulta más útil justo después de extraer texto o copiarlo al portapapeles y antes de indexarlo, compararlo o tokenizarlo. Para un fragmento aislado, péguelo y utilice el resultado en un buscador, una nota, un gestor bibliográfico o un archivo de texto plano. En una canalización automatizada, aplique la misma función tanto a los documentos almacenados como a las consultas entrantes si cualquiera puede proceder de material compuesto. Así evita que una palabra visualmente idéntica tenga representaciones diferentes en el índice y la consulta. El precio base de la API es $0.002 por solicitud, y cada solicitud procesa un elemento de texto. Como no depende de la red ni de modelos probabilísticos, también sirve para pruebas repetibles y limpieza de archivos. Conserve la fuente original cuando importe la procedencia: la expansión cambia deliberadamente puntos de código, aunque normalmente mantenga la lectura. Ejecute la normalización de comillas, espacios, OCR o mayúsculas como operaciones independientes para que cada transformación sea comprensible.