Divisor de Texto

Sobre o Divisor de Texto

Divisor de Texto quebra o texto de entrada em pedaços ordenados usando uma de sete estratégias: delimitador literal (qualquer string que você forneça, incluindo sequências de escape como \t ou \n), contagem fixa de caracteres, contagem fixa de palavras (tokens separados por espaço em branco), contagem fixa de linhas, fronteira de frase (pontuação de fim de frase . ! ? seguida de espaço), fronteira de parágrafo (uma ou mais linhas em branco como separadores), e string personalizada completa. Cada estratégia é implementada como String.prototype.split() com o separador apropriado, ou uma janela deslizante para divisões baseadas em tamanho. Opções se aplicam a todos os modos: 'Remover Espaços em Branco' chama String.trim() em cada fragmento antes da saída, 'Remover Fragmentos Vazios' filtra resultados de comprimento zero (útil quando delimitadores aparecem consecutivos como ',,'), e 'Numerar Fragmentos' antepõe '1. ', '2. ' a cada peça de saída. O separador de saída controla como os fragmentos são unidos para exibição — linha dupla dá separação visual clara, vírgula-espaço dá saída estilo CSV, traços dão divisor visível. Fluxos típicos: dividir corpos de mensagens SMS em fragmentos de 160 caracteres para entrega multi-parte, quebrar um artigo longo em fragmentos de 280 caracteres para threads do X/Twitter, fragmentar texto para janelas de contexto LLM (ex. limites de 4096 tokens via contagem de palavras), dividir CSV colado como célula única em linhas, separar entradas de log concatenadas por delimitador de timestamp, e processar importações em massa onde uma entrada representa muitos registros.

Como a divisão por contagem de caracteres difere da por palavras e qual usar para SMS ou tweets?

Contagem de caracteres divide em fronteiras exatas de byte/unidade UTF-16 — fragmento 3 para no caractere 480 mesmo que caia no meio de palavra. Contagem de palavras divide em tokens separados por espaço, então 'olá mundo foo' com fragmento 2 dá 'olá mundo' + 'foo'. Para SMS (160 caracteres GSM-7 ou 70 caracteres UCS-2 para emoji), use contagem de caracteres para evitar overflow. Para tweets (280 caracteres, mas Twitter conta emoji como 2), contagem de caracteres funciona mas você deveria adicionar marcador 'continuação (1/3)' via Numerar Fragmentos. Para janelas de contexto LLM (baseado em tokens, ~4 caracteres por token em inglês), contagem de palavras está mais perto da realidade.

A divisão por frases lida corretamente com abreviações como 'Dr.' e 'Sr.'?

Parcialmente — o regex usa uma heurística que divide em '. ', '! ' ou '? ' seguido de maiúscula. Isso lida corretamente com a maioria da prosa mas divide errado em 'Dr. Silva', 'EUA', '3.14 é' e 'Sr. Brown disse'. Para segmentação de frases de nível de pesquisa use uma ferramenta NLP dedicada (spaCy, NLTK ou tokenizers da HuggingFace). Para divisão casual de posts de blog, artigos ou transcrições a heurística funciona ~95% do tempo. Se você tem um padrão de abreviação conhecido, substitua por um placeholder primeiro ('Dr.' → 'Dr@') usando Substituir Palavras, divida e depois restaure.

O que a divisão por parágrafos considera uma quebra de parágrafo?

Uma ou mais linhas vazias (correspondida por regex /\n\s*\n+/) age como fronteira de parágrafo. Então 'parágrafo um\n\nparágrafo dois' dá dois fragmentos. Quebras de linha simples dentro de um parágrafo são preservadas como parte do mesmo fragmento. Isso bate com convenção markdown e comportamento Enter-Enter do Word. Se sua entrada usa '\r\n\r\n' estilo Windows, ainda funciona porque \r é espaço em branco. Se você não tem linhas em branco, o modo parágrafo devolve toda a entrada como um fragmento — use divisão por contagem de linhas em vez disso.

Posso usar caracteres especiais como tab ou nova linha como delimitador?

Sim — digite sequências de escape diretamente: \t para tab, \n para nova linha, \r para retorno de carro, \u00A0 para espaço não separável. A ferramenta interpreta no tempo de parse. Para uma barra invertida literal digite \\. Para dividir em padrão regex (não string literal), use a ferramenta Substituir Palavras primeiro para substituir suas correspondências regex por um marcador único como '@@SPLIT@@', então divida aqui em '@@SPLIT@@'. Essa abordagem de dois passos dá poder regex completo sem complicar a UI do divisor.

O que 'Remover Espaços em Branco' faz realmente com fragmentos com espaços internos?

Só tira espaços iniciais e finais de cada fragmento, preservando espaços internos. Então 'olá mundo ' vira 'olá mundo' (aparado nas pontas, o espaço duplo no meio fica). Isso bate com String.trim() do JavaScript e str.strip() do Python. Para colapsar também espaços internos, rode a saída por Limpador de Texto depois. Aparar é particularmente útil com divisões baseadas em delimitador onde um caractere delimitador pode incluir espaço final (', '), deixando espaços avulsos nas fronteiras de fragmento.

Por que 'Remover Fragmentos Vazios' pode devolver menos fragmentos do que eu espero?

Fragmentos vazios surgem quando delimitadores aparecem consecutivos (',,' dá '', '' entre eles), quando a entrada começa ou termina com delimitador (',a,b' dá '', 'a', 'b'), ou quando o modo de tamanho fixo bate em fronteiras exatamente vazias. Com Remover Vazios ativado, o filtro descarta todos os fragmentos de comprimento zero antes da saída. Se quiser preservá-los (ex. representando colunas CSV faltantes onde vazio significa null), desative a opção. O contador Total de Fragmentos mostra a contagem pós-filtro, não a contagem de divisão bruta.

A divisão é feita no navegador e meu texto é privado?

Sim, toda divisão roda em JavaScript via String.split() e map/filter de array — sem fetch() para servidor, sem analytics com conteúdo, sem escrita no localStorage. Abra a aba Network do DevTools e clique Dividir para verificar zero requisições de saída. Isso torna a ferramenta segura para dividir texto confidencial como documentos internos, PII de clientes, código fonte com lógica proprietária, ou rascunhos pré-publicação sob embargo. Mesmo entradas de 10 MB dividem do lado cliente em bem menos de um segundo.