Quitar acentos y limpiar texto

Hay sitios donde el español no cabe. Una dirección web, el nombre de un archivo que va a viajar entre sistemas, un campo de una base de datos antigua, un identificador de un programa de gestión: todos ellos esperan letras del alfabeto inglés y se atragantan con las tildes, con la eñe y con las comillas que pone Word por su cuenta.

La eñe no es una ene con tilde (pero Unicode cree que sí)

Este es el detalle técnico que hace que la mayoría de los limpiadores de acentos hagan algo que no querías. Para quitar una tilde, el truco estándar es descomponer el texto: Unicode separa la «á» en una «a» y un carácter de tilde independiente, y entonces basta con borrar las tildes sueltas.

El problema es que la «ñ» se descompone exactamente igual, en «n» más una virgulilla. Así que el mismo paso que arregla «canción» destroza «año». Y en español eso no es un detalle estético: cambia la palabra, y a veces de forma bastante desafortunada.

Aquí la eñe se aparta antes de descomponer y se devuelve después, así que se conserva por defecto. Si tu destino de verdad no la admite, la casilla está ahí para quitarla, pero es una decisión consciente y no un efecto secundario.

Las comillas que pone el ordenador solo

Escribes una comilla recta y el procesador de textos la convierte en curva. Escribes dos guiones y te los cambia por una raya. Escribes tres puntos y te los junta en un solo carácter. Tipográficamente es lo correcto y el texto queda mejor.

Fuera de un documento, esos caracteres son una fuente inagotable de errores: rompen fragmentos de código copiados de un blog, descolocan un CSV y aparecen como símbolos raros en sistemas que solo entienden ASCII. La casilla de símbolos los devuelve a sus equivalentes de teclado.

El modo slug

Es el atajo para cuando lo que quieres es una dirección web. Coge el texto, le quita tildes y eñes, lo pasa a minúsculas, sustituye por guiones todo lo que no sea letra o número y limpia los guiones sobrantes de los extremos. «El Camión de la Señora Muñoz» sale como «el-camion-de-la-senora-munoz», que es exactamente lo que espera un gestor de contenidos.

Se va en una dirección

Merece la pena decirlo claro: esto no tiene vuelta atrás. Una vez que «cañón» es «canon», no hay forma de saber si era una cosa o la otra, y ningún programa puede adivinarlo de forma fiable. Trabaja siempre sobre una copia, y si vas a limpiar el nombre de unos archivos, asegúrate antes de que no necesitas los originales tal cual estaban.

El aviso de lo que queda

Debajo del resultado se listan los caracteres que siguen sin caber en el alfabeto inglés. Es más útil de lo que parece: cuando pegas un texto que viene de varias fuentes suele haber cosas que no esperabas —un guion de otro tipo, un espacio duro, una comilla de un teclado distinto— y ahí aparecen señaladas una a una.

Si la lista sale vacía, el texto es ASCII puro y va a sobrevivir a cualquier sistema, por antiguo que sea.

Para qué lo usa la gente

Para preparar direcciones de una web antes de publicarla. Para renombrar archivos que van a un servidor o a un ZIP que abrirá otra persona en otro ordenador. Para limpiar una lista de nombres antes de importarla en un programa que no admite acentos. Y para quitar de un texto las comillas curvas que el procesador puso solo, cuando ese texto va a acabar dentro de código.

En todos esos casos lo que se está limpiando suelen ser datos reales, así que conviene que la limpieza ocurra en tu ordenador y no en el servidor de un desconocido. Aquí ocurre mientras escribes, sin que el texto salga a ningún sitio.