Woorden tellen
Woorden, tekens en leestijd tellen.
Tekst
Opmaak, dubbele spaties en rare tekens weghalen.
Tekst uit een PDF of website ziet er schoon uit en zit vol met dingen die je niet ziet.
| Probleem | Waar het vandaan komt |
|---|---|
| Harde regeleinden in een zin | PDF met vaste regelbreedte |
| Afbreekstreepjes midden in een woord | PDF met afbreking |
| Dubbele spaties | uitgevulde tekst |
| Slimme aanhalingstekens | tekstverwerker |
| Harde spaties | website-opmaak |
| Onzichtbare tekens | kopiëren uit een webpagina |
De eerste twee zijn het vervelendst. Een PDF breekt regels op vaste breedte af, dus als je een alinea overneemt, staan er regeleinden midden in zinnen. Plak je dat in een document met een andere breedte, dan loopt de tekst rafelig.
De afbreekstreepjes zijn nog erger, omdat ze in het woord blijven staan: „belasting-" en „aangifte" worden „belasting-aangifte". Het opschonen plakt die weer aan elkaar.
De meest verraderlijke categorie, omdat er niets te zien is.
Tekst gekopieerd uit een webpagina kan tekens met nulbreedte bevatten, richtingsaanduidingen of harde spaties. Ze zijn onzichtbaar en tellen wel mee.
Waar dat misgaat: in een zoekveld dat niets vindt terwijl je zeker weet dat het er staat, in een wachtwoordveld, in een formulier dat een waarde afkeurt, en in een vergelijking van twee ogenschijnlijk identieke teksten.
Het valt op aan het tekenaantal: als je tekst meer tekens telt dan je ziet, zit er iets tussen.
Voor gebruik in code of configuratie is opschonen bijna verplicht. Een onzichtbaar teken in een sleutel of een adres levert een foutmelding op die nergens naar wijst.
Alles gebeurt in deze pagina.
Uit een PDF. Die breekt regels op vaste breedte af; het opschonen voegt ze weer samen.
Tekens met nulbreedte en harde spaties die bij kopiëren meekomen. Ze zijn niet te zien en tellen wel mee.
Het tekenaantal is hoger dan je zou verwachten, of een veld weigert je invoer.
Ja, woorden die over twee regels zijn afgebroken worden weer samengevoegd.
Ja, echte alinea-einden blijven staan.
Nee.