Quite signos de puntuación de un texto en línea

Elimina comas, puntos, comillas, paréntesis, guiones, signos monetarios, emojis y otros símbolos, pero conserva palabras y cifras de los sistemas de escritura incluidos en Unicode. La operación es determinista, no usa la red ni modelos de lenguaje y mantiene los espacios y saltos de línea originales. Por ello resulta práctica antes de tokenizar, indexar búsquedas, contar frecuencias, eliminar duplicados o comparar textos de forma sencilla.

Qué conserva y qué elimina el limpiador

El limpiador examina el texto carácter Unicode por carácter. Conserva letras, marcas combinatorias que forman caracteres acentuados, números y espacios en blanco. Elimina todo lo demás: comas, puntos, apóstrofos, comillas, dos puntos, punto y coma, paréntesis, barras y guiones, además de signos monetarios, operadores, pictogramas y emojis. Mantiene los espacios, tabulaciones y saltos de línea en su posición original; no los agrupa ni los recorta. Por eso pueden quedar espacios repetidos después de quitar signos contiguos. Es una decisión deliberada, pues normalizar espacios puede alterar posiciones o la estructura del documento. La regla compatible con Unicode también conserva textos que no están en inglés y evita que los nombres con tildes pierdan marcas representadas por separado.

Cómo preparar texto para analizarlo

Pegue o envíe el contenido en el campo text y ejecute la capacidad. La respuesta contiene un único campo text con el resultado filtrado, listo para un tokenizador, una conversión a minúsculas, un contador de palabras o un índice. Decida conscientemente el orden de esos pasos. Al quitar la puntuación antes de dividir, una palabra seguida de coma coincide con la misma palabra sin coma. Los apóstrofos y guiones requieren atención: al eliminarlos, las partes quedan unidas. Si necesita tokens separados, sustituya primero determinados signos por espacios. El algoritmo no detecta idiomas, no corrige ortografía, no translitera, no cambia mayúsculas y no interpreta el contenido. Así, una misma entrada siempre produce exactamente la misma salida.

Cómo usar el resultado en flujos automáticos

Para una limpieza ocasional, el ejecutor del navegador aplica la misma transformación determinista que la API. En una automatización, envíe cada cadena como un elemento y lea el campo text devuelto. Cada solicitud de API cuesta $0.002; no existe un cargo variable porque la unidad declarada es un elemento. Conserve siempre el original cuando la puntuación pueda tener valor semántico. También se eliminan separadores decimales, sintaxis de programación, signos de correo electrónico, separadores de URL y límites de oraciones; por tanto, el resultado es un derivado para análisis y no una copia reversible. La capacidad conserva espacios, pero no los recorta ni agrupa, no elimina diacríticos, no modifica mayúsculas y no garantiza una salida no vacía. Una entrada formada solo por símbolos devuelve correctamente una cadena vacía.