Text Deformatter

El desformatador de texto está diseñado para convertir texto ruidoso de múltiples fuentes en texto plano limpio y predecible, adecuado para NLP, indexación, edición y pipelines de datos. Apunta a editores, investigadores, traductores y desarrolladores que reciben regularmente contenido de PDFs, procesadores de texto, correos electrónicos o páginas web y necesitan resultados deterministas. Al centrarse en artefactos de formato en lugar de la calidad del contenido, ofrece una base limpia y reproducible para tareas posteriores. La herramienta admite una canalización configurable: elija conservar Unicode o convertir a ASCII, decida si eliminar marcado HTML y controle cómo se tratan párrafos y saltos de línea. Esta claridad reduce el tiempo de limpieza manual y errores. Conceptualmente, la herramienta aplica una secuencia fija: recortar caracteres de control, normalizar espacios, desdoblar o conservar límites de párrafos y normalizar comillas y guiones según el modo. En modo ASCII puro, los caracteres pueden transliterarse y eliminarse diacríticos; en modo 'Unicode conservado' los caracteres permanecen intactos. Elimina con seguridad marcado que no sea texto bajo demanda y deja intactos los elementos de formato si se configura para conservarlos. Diferenciadores clave: control de modo explícito, stripping HTML seguro y manejo determinista de espacios que evita deriva en pipelines automatizadas. Casos de uso típicos: extraer texto limpio de recortes web, convertir PDFs a texto indexable, estandarizar contenido generado por usuarios para análisis de sentimientos y preparar corpus para aprendizaje automático. Las salidas son cadenas UTF-8; el texto limpio puede copiarse o exportarse. La herramienta registra decisiones internamente para auditoría, pero no expone detalles de UI. Se centra exclusivamente en la normalización de formateo para maximizar la compatibilidad entre sistemas.