Limpiar un documento
DOCX, ODT, HTML, Markdown o texto plano. El archivo se abre en tu navegador y nunca se sube: no hay ningún servidor al que subirlo.
- Funciona en tu navegador
- DOCX · ODT · HTML · MD · TXT
- Tu archivo original no se modifica nunca
Suelta un archivo aquí
DOCX, ODT, HTML, Markdown o texto plano: hasta 25 MB.
Qué se inspecciona en cada formato
Los nodos de texto se limpian en todos los formatos. Lo demás que se informa depende de lo que cada formato pueda esconder.
| Formato | Limpia | Informa |
|---|---|---|
| DOCX | El texto del documento, los encabezados, los pies, las notas al pie, las notas al final y los comentarios, incluidos los caracteres escritos como entidades numéricas. | Fragmentos ocultos, texto blanco sobre blanco y texto diminuto, control de cambios, comentarios, sesiones rsid, metadatos de autoría, propiedades personalizadas, macros y archivos multimedia. |
| ODT | Todos los nodos de texto de content.xml. Los atributos no se tocan nunca. | Anotaciones, regiones con control de cambios, estilos ocultos, generador, autores, ciclos de edición y campos definidos por el usuario. |
| HTML | Solo los nodos de texto. Las etiquetas, los atributos, los comentarios, el script y el estilo pasan idénticos byte a byte. | Comentarios, elementos con display:none / hidden / font-size:0, la etiqueta meta generator y caracteres sospechosos en los atributos alt/title/aria. |
| Markdown · TXT | El archivo entero. Los finales de línea se conservan salvo que pidas que se unifiquen. | No hay nada que informar más allá de los propios caracteres: el texto plano no tiene estructura donde esconderse. |
Cómo funciona
Elige un archivo
Suelta un .docx, .odt, .html, .md o .txt sobre la página, o elige uno con el botón. Lo lee el navegador; no se envía nada a ninguna parte.
Lee el informe
Cada carácter oculto aparece con su posición, su punto de código y su nombre Unicode, junto a lo que el archivo esconde alrededor del texto: fragmentos invisibles, comentarios, control de cambios y metadatos de autoría.
Elige qué eliminar
Los ajustes por defecto eliminan los caracteres que son contrabando en cualquier texto. Los trece interruptores avanzados, más los metadatos y los rsids, son opcionales porque cada uno cambia algo visible.
Descarga la copia limpia
Se genera un archivo nuevo en memoria y se ofrece como descarga. Tu original no se modifica nunca.
Mira un informe del documento
Un .docx se abre en el navegador, sin ningún servidor al que subirlo. El informe cuenta primero los caracteres ocultos del texto por punto de código y luego pasa a lo que se esconde alrededor del texto: control de cambios, comentarios y los metadatos de autoría que venían con el archivo. Eso se informa, no se borra por ti.
Ver
Leer un informe del documento
30 segundos · Subtítulos incluidos
Lo que esto no hace
- PDF. El texto de un PDF no se puede reescribir en el sitio con seguridad; la inspección y el borrado de metadatos están previstos, la edición no.
- Imágenes. Los metadatos EXIF, XMP y C2PA son otro problema y otra herramienta.
- Nunca borra un fragmento oculto, un cambio controlado ni un comentario. Se informan para que decidas tú.
- Las marcas de agua estadísticas, como SynthID-Text, viven en la elección de palabras, no en los caracteres. Nada de lo que hay aquí las toca.
Lo mismo, en la línea de comandos
clean_file.py es la implementación de referencia de la que esta página es un port. Funciona sin conexión, admite las mismas opciones y tiene un modo --check para hooks de pre-commit.
./clean_file.py --show essay.docx
./clean_file.py -i --metadata --rsids essay.docx
./clean_file.py -s --punct essay.docx
Preguntas sobre documentos
¿Se sube mi documento a algún sitio?
No. Ghostchars es un sitio estático sin backend. Tu navegador lee el archivo con la API FileReader, lo procesa en la pestaña y crea la copia limpia en memoria. No se transmite nada, y no hay ningún servidor que pudiera recibirlo.
¿Qué formatos admite?
DOCX, ODT, HTML, Markdown y texto plano. DOCX y ODT son paquetes ZIP de XML, que el navegador descomprime y vuelve a empaquetar; del HTML solo se limpian los nodos de texto; el Markdown y el texto plano se limpian enteros.
¿Por qué no PDF?
Un PDF guarda posiciones de glifos, no fragmentos de texto editables, así que sustituir un carácter puede cambiar la composición o romper el archivo. Informar sobre un PDF y borrar sus metadatos es viable y está previsto; reescribir su texto no es algo que una herramienta deba hacer en silencio.
¿Qué es un rsid y por qué querría eliminarlo?
Word marca cada sesión de edición con un identificador aleatorio de ocho dígitos hexadecimales y lo escribe en los fragmentos tecleados en esa sesión. Un documento con uno o dos rsids distintos en todo el cuerpo se pegó de una sola vez, en lugar de escribirse a lo largo del tiempo. Eliminarlos elimina esa inferencia.
¿Word seguirá abriendo el archivo limpio?
Sí. Cada parte del paquete conserva su posición y su método de compresión; solo se reescribe el texto de los nodos que cambiaron, y se añade xml:space="preserve" allí donde la limpieza habría dejado que Word se comiera un espacio del borde. Con --metadata se descarta la parte de propiedades personalizadas, lo que deja una relación colgando que Word tolera: el mismo trato que hace la herramienta de línea de comandos.
¿Y si un carácter oculto está escrito como una entidad?
Se detecta igualmente. Cada nodo de texto se descodifica de entidades antes de limpiarlo y se vuelve a escapar después, así que un espacio de ancho cero escrito como ​ se elimina exactamente igual que uno literal.