Como remover acentos do texto (e por que você deseja fazer isso)

A remoção de acentos converte letras como á, é, ñ, ç e ü em suas formas simples a, e, n, c e u. Parece uma necessidade de nicho, mas surge constantemente no momento em que os dados precisam ser transferidos entre sistemas, e acertar é a diferença entre um nome de usuário que funciona e outro rejeitado pelo sistema. Aqui é quando você precisa e como funciona.

Quando você precisa remover acentos

O gatilho comum é um sistema que aceita apenas letras ASCII básicas. Gerando um nome de usuário ou endereço de e-mail a partir do nome de uma pessoa, José se torna José. Criando um slug de URL a partir de um título acentuado. Preparando dados para um banco de dados legado que se engasga com caracteres não ASCII. Produzindo nomes de arquivos que se comportam em Windows, Mac e Linux. Normalizar os termos de pesquisa para que uma pesquisa por “José” corresponda a um registro armazenado como “José”. Em tudo isso, as palavras permanecem perfeitamente legíveis; apenas as marcas diacríticas são removidas.

Como funciona a remoção de acentos

Sob o capô, cada caractere acentuado é decomposto em duas partes: uma letra base e uma marca de combinação separada. O é torna-se e mais um acento agudo. Depois as marcas são descartadas, restando apenas as letras base. É por isso que café vira café e piñata vira pinata sem perturbar mais nada do texto. Ele lida com acentos de vários idiomas em uma única passagem, o que o torna confiável, em vez de localizar e substituir caractere por caractere.

Quais idiomas ele lida

A técnica funciona para idiomas de base latina, espanhol, português, francês, alemão, italiano e outros, onde as letras acentuadas se decompõem claramente em uma letra base mais uma marca. Ele lida com toda a gama de diacríticos europeus comuns. Observe que os scripts não latinos, como chinês, japonês, árabe ou cirílico, não se decompõem em uma letra base latina dessa maneira, portanto a ferramenta é mais útil para textos baseados em latim. Para esses scripts, a transliteração é um problema diferente e mais difícil.

Acentos, pesquisa e correspondência de dados

Um dos usos mais valiosos é tornar a pesquisa e a correspondência indulgentes. Se o seu banco de dados armazenar “São Paulo”, mas um usuário digitar “São Paulo”, eles não corresponderão, a menos que você normalize ambos para o mesmo formato sem acento. O mesmo problema aparece ao desduplicar uma lista onde o mesmo nome aparece com e sem acentos, eles parecem entradas diferentes para uma ferramenta de correspondência exata. Remover os acentos antes da comparação transforma essas quase duplicatas em correspondências exatas, o que é essencial para dados limpos e pesquisa confiável. É uma pequena etapa de normalização que evita silenciosamente toda uma classe de bugs.

Uma nota rápida sobre quando não retirar os acentos

Os acentos carregam significado, portanto, não os retire do texto destinado à leitura humana onde a correção é importante, o nome de uma pessoa em um documento formal, prosa publicada ou qualquer coisa onde "José" sendo traduzido como "José" seria errado ou desrespeitoso. A remoção de acentos é uma normalização técnica para nomes de usuários, URLs, correspondências e sistemas legados, e não uma opção de edição para conteúdo finalizado. Mantenha o original acentuado para exibição e use a versão simplificada para as tarefas da máquina que precisam dele.