Unsichtbare Zeichen erkennen

Sie machen leise Dinge kaputt, und der Schaden zeigt sich im ungünstigsten Moment. Ein Zero-Width-Space in einem Zitationsschlüssel lässt einen Literatureintrag im kompilierten Dokument verschwinden. Ein geschütztes Leerzeichen in einem Zahlenfeld bricht einen Datenimport. Bedingte Trennstriche hebeln die Textsuche aus — wer dein PDF nach einem Begriff durchsucht, findet nichts. Screenreader stolpern über Bidi-Steuerzeichen. LaTeX verweigert oft gleich ganz die Kompilierung.

Nichts davon kündigt sich an. Am Bildschirm sieht das Dokument perfekt aus, und der Fehler taucht in genau der Datei auf, die du abgibst.

Kopieren aus einer Webseite ist die mit Abstand häufigste Quelle: HTML-Rendering, Emoji-Sequenzen und Layout-Kniffe hinterlassen Rückstände. Textverarbeitungen fügen bedingte Trennstriche über die automatische Silbentrennung und geschützte Leerzeichen über die Autokorrektur ein. Die PDF-Extraktion bringt eigene Artefakte mit. Chat-Oberflächen jeder Art — KI-Assistenten eingeschlossen — reichen weiter, was ihre Darstellungsschicht erzeugt hat.

Es gibt auch den absichtlichen Einsatz, und dafür ist die Alphabet-Prüfung da. Ein kyrillisches „о“ in einem lateinischen Wort entsteht durch keine der genannten Quellen zufällig; da hat jemand nachgeholfen.

Bei unsichtbaren Steuerzeichen ja — sie tragen in normalem Fließtext keine Bedeutung, und ihr Entfernen ist das, was ein sorgfältiges Lektorat ohnehin tut. Unsere bereinigte Fassung löscht sie, wandelt ungewöhnliche Leerzeichen in normale um und repariert Zwillingsbuchstaben ausschließlich innerhalb von Wörtern, die tatsächlich Alphabete mischen.

Diese letzte Einschränkung ist wichtiger, als sie klingt. Ein pauschales Ersetzen aller Homoglyphen würde eine physikalische Arbeit, in der griechische Großbuchstaben normale Symbole sind, oder jede russisch oder griechisch zitierte Passage stillschweigend beschädigen. Innerhalb eines Wortes, das ohnehin halb lateinisch ist, gibt es diese Mehrdeutigkeit nicht — deshalb fassen wir nur dort etwas an.

Typografische Satzzeichen lassen wir in Ruhe. Geviertstriche und typografische Anführungszeichen sind korrekte Typografie und gehören in deine Arbeit.