Rimozione legature — fi, fl e compagnia tornano lettere

Una legatura sono due o più lettere disegnate come un solo glifo: fi invece di f-i, fl invece di f-l, æ invece di a-e. I tipografi le adorano perché sistemano le collisioni di un bel carattere; i database e i motori di ricerca le detestano perché file non è file — un carattere diverso, e nessuna corrispondenza esatta, nessun ordinamento, nessuna deduplica sopravvive alla differenza. Incollare quel testo in un modulo, un CMS o un CSV significa invitare i guasti.

Le legature arrivano con la fonte: strati di testo di PDF impaginati, esportazioni di ebook, OCR di documenti scansionati, output di LaTeX e certi caratteri emettono le forme a singolo code point. Appena il testo lascia quel mondo — una casella di ricerca, un campo di database, una email di testo semplice — i glifi smettono di essere tipografia e diventano errori.

Lo strumento copre l’insieme latino: ff fi fl ffi ffl (la famiglia della f), æ Æ e œ Œ (i digrammi), ij IJ (olandese) e la coppia eszett ß e ẞ, che molte pipeline vogliono anche come ss e SS. Il contatore qui sopra è il numero di caratteri sostituiti. Se segna 0 e il testo continua a comportarsi male, i colpevoli sono una lineetta invisibile o una sequenza di spazi.