Espanda le legature tipografiche fi e fl

Una parola con fi può apparire corretta sullo schermo ma non essere trovata da una ricerca esatta di fi. Questo strumento espande tali legature tipografiche in lettere normali senza cambiare le parole circostanti, la punteggiatura, gli spazi o le interruzioni di riga. Il risultato è più affidabile da cercare, indicizzare, confrontare, citare e trasferire in sistemi che richiedono testo convenzionale.

Perché un testo visivamente corretto può essere difficile da cercare

I programmi di composizione sostituiscono talvolta due o tre lettere adiacenti con un unico glifo legato. La sostituzione è particolarmente comune per fi, fl, ff, ffi e ffl, perché le loro forme possono sovrapporsi in un carattere progettato con cura. Quando un PDF espone il glifo come carattere di presentazione Unicode, la copia della pagina conserva la legatura anziché le lettere rappresentate. La parola incollata sembra normale, ma il software può leggere una sequenza diversa di punti di codice. Una ricerca letterale di «file» potrebbe quindi non trovare una parola copiata che inizia con il singolo carattere fi. La stessa differenza può compromettere indici, rilevamento dei duplicati, interrogazioni di database, ricerche da terminale, accessibilità e confronti. Questa funzione risolve specificamente il problema convertendo le legature supportate in normali sequenze latine, conservando le maiuscole quando previste e lasciando invariati tutti gli altri caratteri, compresi accenti, segni, tabulazioni, spazi e terminazioni di riga.

Che cosa modifica l’espansione e che cosa conserva

Inserisca la sorgente nel campo di testo; il risultato contiene il testo espanso e il conteggio delle sostituzioni. L’algoritmo riconosce le forme di presentazione Unicode di ff, fi, fl, ffi e ffl, oltre alle due forme storiche di st. Espande inoltre le comuni legature AE e OE maiuscole e minuscole, producendo AE, ae, OE oppure oe secondo il caso. Ogni carattere riconosciuto vale come una sostituzione, anche quando diventa tre lettere. Il conteggio permette di verificare se il brano incollato conteneva davvero elementi tipografici nascosti. L’elaborazione è deterministica e avviene in un solo passaggio: lo stesso input produce sempre lo stesso output e nessun modello linguistico cerca di intuire l’intenzione. Lo strumento non normalizza gli accenti, non cambia le virgolette, non riduce gli spazi, non corregge l’ortografia e non modifica i trattini. Eventuali errori di OCR, anziché vere legature, restano visibili per una correzione separata.

Come usare il testo pulito nelle ricerche e nei documenti

L’espansione delle legature è più efficace subito dopo l’estrazione o la copia negli appunti e prima dell’indicizzazione, del confronto o della tokenizzazione. Per un singolo brano, incolli il testo e utilizzi il risultato in una casella di ricerca, una nota, un gestore bibliografico o un file di testo semplice. In una procedura automatizzata, applichi la funzione sia ai documenti archiviati sia alle query in arrivo quando una delle due parti può provenire da materiale impaginato. La coerenza impedisce che una parola visivamente identica abbia rappresentazioni diverse nell’indice e nella query. Il prezzo base dell’API è $0.002 per richiesta e ogni richiesta elabora un elemento testuale. Non dipendendo dalla rete né da modelli probabilistici, la trasformazione è adatta anche a test ripetibili e alla pulizia di archivi. Conservi la fonte originale quando la provenienza è importante, perché l’espansione cambia intenzionalmente i punti di codice pur mantenendo di solito la lettura. Esegua la normalizzazione di virgolette, spazi, OCR o maiuscole come operazioni esplicite e separate.