Chuẩn hoá Unicode tiếng Việt

Sửa chữ “vỡ dấu” khi dán từ PDF, Word, web — tổ hợp sang dựng sẵn. Kết quả hiện ngay khi gõ; văn bản chỉ xử lý trên máy của anh chị.

Vì sao chữ tiếng Việt “nhìn giống mà tìm không ra”

Unicode cho phép viết một chữ có dấu theo hai cách. Dựng sẵn (NFC): chữ “ệ” là một ký tự duy nhất. Tổ hợp (NFD): “ệ” là ba ký tự — chữ “e”, dấu mũ, dấu nặng ghép lại. Trên màn hình hai cách trông y hệt, nhưng với máy tính đó là hai chuỗi khác nhau. Hậu quả hay gặp:

• Ctrl+F không tìm thấy chữ dù nó nằm ngay trước mắt; lọc trùng trong Excel không nhận ra hai dòng giống nhau.
• Đếm ký tự ra số lớn bất thường (mỗi chữ có dấu tính thành hai, ba ký tự).
• Dấu “rơi” lệch sang chữ bên cạnh, hoặc hiện ô vuông khi đổi phông chữ.
• Tên tệp có dấu tạo trên máy Mac (nhiều khi ở dạng tổ hợp) không khớp với tên gõ trên Windows.

Nguồn gây lỗi phổ biến nhất là văn bản chép từ tệp PDF, từ một số trang web, hoặc từ tên tệp trên macOS. Công cụ này chuyển toàn bộ về dạng dựng sẵn — dạng chuẩn được khuyến nghị cho tiếng Việt — đồng thời xoá ký tự ẩn (dấu cách độ rộng 0, gạch nối mềm) và khoảng trắng lạ (dấu cách không ngắt dòng) thường đi kèm khi chép từ PDF.

Tuỳ chọn “nối dòng bị ngắt” dành cho văn bản chép từ PDF bị xuống dòng giữa câu: dòng không kết thúc bằng dấu câu và dòng sau bắt đầu bằng chữ thường sẽ được nối lại.

Công cụ không chuyển văn bản gõ theo bảng mã cũ (TCVN3/ABC, VNI) — những văn bản đó hiện ra thành ký tự lạ như “Tr−êng”, cần phần mềm chuyển mã riêng.

Công cụ của Wiki Ngôn Ngữ, chạy trong trình duyệt, không gửi văn bản đi đâu. Nội dung trang phát hành theo CC BY-SA 4.0.