텍스트 정리기

웹에서 복사하면 딸려오는 것들

브라우저에서 드래그해 복사한 텍스트에는 화면에 없던 문자가 섞여 있습니다. 뉴스 사이트나 위키, 워드·PDF에서 가져온 글일수록 심합니다. 눈에 안 보이니 원인을 찾기가 어렵고, 대부분은 붙여넣은 뒤 한참 지나 이상한 증상으로 발견됩니다.

이게 실제로 뭘 망가뜨리나

"안 보이는데 뭐가 문제냐"는 반응이 많습니다. 실제로 사고가 나는 지점은 이렇습니다.

• 검색이 안 됩니다 — 본문에 "강남 카페"라고 썼는데 사이 공백이 NBSP면, 방문자가 "강남 카페"로 페이지 내 검색을 해도 안 걸립니다. 사이트 내부 검색·DB LIKE 검색도 마찬가지입니다.
• 중복 데이터가 생깁니다 — 태그나 상품명 끝에 제로 폭 공백이 붙으면 시스템은 "카페"와 "카페 + U+200B"를 다른 값으로 봅니다. 태그 목록에 똑같아 보이는 항목이 둘 생기는 원인입니다.
• 코드에 붙여넣으면 에러가 납니다 — 블로그 예제 코드를 복사해 실행했더니 Unexpected token 이 뜨는 전형적인 원인이 NBSP입니다.
• 줄바꿈이 깨집니다 — NBSP는 이름 그대로 줄바꿈을 막기 때문에 모바일에서 긴 문장이 화면 밖으로 밀려나기도 합니다.
• 스마트 따옴표는 코드·명령어에서 문제입니다 — 곧은 따옴표로 보이지만 셸이나 컴파일러는 다른 문자로 취급합니다.

문단 합치기 — PDF에서 복사했을 때

PDF나 논문, 옛 웹페이지에서 복사하면 한 문장이 서너 줄로 쪼개져 붙습니다. 화면 폭에 맞춰 넣은 줄바꿈이 그대로 문자로 따라오기 때문입니다. 이걸 그대로 블로그에 붙이면 문단이 계단처럼 보입니다.

"문단 합치기"는 빈 줄로 나뉜 문단 경계는 그대로 두고, 문단 안쪽의 줄바꿈만 없애 한 줄로 잇습니다. 문단 구조를 지키면서 계단만 없애는 것이 핵심입니다. 반면 "모든 줄바꿈 제거"는 글 전체를 한 줄로 만드므로, 한 줄 입력칸에 넣어야 할 때만 쓰세요.

켜면 안 되는 항목

기본값은 안전한 항목만 켜져 있고, 위험한 항목은 일부러 꺼 둔 상태입니다. "전부 켜기"는 편해 보이지만 글에 따라 내용이 사라집니다.

• 특수문자 제거 — 한글·영문·숫자·기본 문장부호를 뺀 나머지 기호를 전부 지웁니다. 수식(≤ × ÷), 화폐 기호(€ ¥), 표 문자가 든 글에는 절대 켜지 마세요. 원 문자(①)나 화살표(→)도 사라집니다.
• 이모지 제거 — SNS 원고나 이모지를 의도적으로 쓴 블로그 글에는 쓰지 마세요. 별도 항목으로 분리해 둔 이유가 이것입니다.
• 전각 → 반각 — 일본어 문서나 전각을 의도적으로 쓴 디자인 텍스트에서는 모양이 달라집니다.
• 탭 → 공백 — 들여쓰기가 의미를 갖는 코드(파이썬·YAML)에는 켜지 마세요.