Eliminador de Líneas Duplicadas, ordenar texto y limpiar espacios

Acerca de Eliminador de Líneas Duplicadas, ordenar texto y limpiar espacios

Esta herramienta reúne cuatro operaciones sobre líneas de texto: eliminar líneas duplicadas, ordenar líneas, limpiar espacios y líneas vacías, y unir o reajustar saltos de línea. Todas dividen la entrada en líneas y luego eliminan algunas, cambian su orden, corrigen los espacios internos o vuelven a trazar los cortes. Aceptan finales de línea de Windows (CRLF) y Unix (LF) y devuelven siempre LF.

Son operaciones sencillas, pero a veces el resultado sorprende. Casi siempre se debe a caracteres invisibles o a que el orden alfabético depende del idioma.

Eliminar duplicados: qué es «la misma línea»

Por defecto se recortan los espacios de ambos extremos, se distinguen mayúsculas y minúsculas y se conserva la primera aparición. «apple» y « apple» son duplicados; «Apple», no. Al ignorar mayúsculas se compara en minúsculas, pero la línea conservada mantiene su escritura original.

«Conservar la última» también cambia el orden del resultado: las líneas quedan según la posición de su última aparición. Es útil en registros donde lo nuevo se añade abajo y quieres solo la entrada más reciente de cada elemento.

Si dos líneas parecen idénticas y no se eliminan, suele haber un carácter invisible. El espacio de no separación (U+00A0) es distinto del espacio normal, así que «a b» y «a[NBSP]b» son líneas diferentes. El espacio de ancho cero (U+200B) ni siquiera se elimina al recortar. Y «canción» puede estar escrita con ó precompuesta (U+00F3) o con o más tilde combinable (U+0301).

La opción «Ignorar diferencias invisibles», activada por defecto, resuelve estos casos: al comparar aplica la normalización NFC, trata el espacio de no separación como un espacio normal e ignora los espacios de ancho cero y la BOM. Las dos «canción» cuentan como duplicado, y el resultado conserva la primera línea tal como estaba escrita. Desactívala si necesitas distinguirlas.

Ordenar: la ñ, la ch y la ll

El modo de ordenación no compara códigos de carácter: usa Intl.Collator del navegador con las reglas del idioma elegido en «Idioma de ordenación», que por defecto es el de la página. Con las reglas españolas, la ñ es una letra propia que va después de la n: «nube, nz, ñu». Con reglas inglesas, la ñ es una n con adorno y «ñu» quedaría antes de «nube». Por eso, si ordenas una lista en español desde otra versión de la página, elige Español en el idioma de ordenación.

La ch y la ll ya no se ordenan como letras aparte. En el X Congreso de la Asociación de Academias de la Lengua Española (Madrid, 1994) se adoptó el orden alfabético latino universal: «chico» va dentro de la c, después de «cesta» y antes de «cuna», y «llave» dentro de la l. Los diccionarios anteriores a esa fecha, en los que la ch tenía sección propia, siguen el orden antiguo.

La sensibilidad por defecto es «base»: se ignoran mayúsculas y tildes al comparar. «Árbol» y «arbol» empatan, y los empates conservan el orden de entrada. «Árbol» queda antes de «arco» por la b, no por la tilde.

La ordenación natural (opción numérica) compara los números por su valor. Sin ella, «tema10» va antes que «tema2».

Espacios: CRLF, espacios de no separación y sangrías

El modo de limpieza, por defecto, elimina espacios al final de cada línea, reduce espacios repetidos dentro de la línea a uno, deja como máximo una línea vacía seguida y quita las líneas vacías del principio y el final. Considera espacio también el tabulador, el espacio de no separación y los demás separadores de espacio de Unicode, así que el texto copiado de Word o de una web queda con espacios normales. Los espacios de ancho cero (U+200B) y la BOM (U+FEFF) se eliminan por defecto; el ZWJ que une emojis se conserva.

La sangría inicial, incluido el espacio ideográfico con que se sangran los párrafos en chino, japonés o coreano, no se toca al reducir espacios, para no estropear código ni textos. La conversión de tabuladores respeta las paradas de tabulación reales (múltiplos de 4 por defecto).

Un script de shell guardado en Windows con CRLF falla en Linux con errores como «$'\r': command not found». Pasarlo por este modo lo convierte a LF.

Unir y reajustar líneas

El texto copiado de un PDF trae un salto de línea al final de cada renglón. El modo de saltos de línea toma las líneas vacías como límites de párrafo y une con un espacio las líneas de cada párrafo. El reajuste corta de nuevo en los espacios sin superar el ancho elegido (de 10 a 300 columnas; 80 por defecto). Una palabra más larga que el ancho queda sola en su línea salvo que actives cortar palabras largas, que parte sin guion. El ancho se cuenta en columnas de terminal: las letras latinas ocupan una y los caracteres chinos, japoneses, coreanos y los emojis ocupan dos. El chino y el japonés, que no llevan espacios, se cortan entre caracteres respetando las reglas básicas (kinsoku): 。, 、 y los cierres de paréntesis no empiezan línea y las aperturas no la terminan.

Ejemplos

Cómo se usa

1. Elige un modo en las pestañas: duplicados, ordenar, espacios o saltos de línea.
2. Pega el texto y ajusta las opciones (mayúsculas, orden numérico, líneas vacías, ancho…).
3. Revisa el resultado y el recuento de líneas, y cópialo.

Preguntas frecuentes