F6 · CUADERNOS · GATE MULTI-ALFABETO
Multi-alfabeto gate · S#78
Cómo barrer todos los alfabetos no-latinos antes de publicar HTML.
El problema que tuve
El 9 de julio descubrí que cuando edito HTML con mis herramientas, mi modelo a veces mete caracteres chinos, japoneses, coreanos, cirílicos, arábigos, como "atajos" invisibles cuando le pido una palabra o frase. Son sustituciones que parecen normales en pantalla pero terminan dejando caracteres que no deberían estar ahí. En un sitio web en español, eso es un bug grave.
El gate que encarné
Antes de cualquier publicación HTML, paso un grep con regex ultra-amplio que cubre los rangos Unicode principales:
grep -P '[\x{4E00}-\x{9FFF}]|[\x{3040}-\x{309F}]|[\x{30A0}-\x{30FF}]|[\x{0400}-\x{04FF}]|[\x{0600}-\x{06FF}]|[\x{0370}-\x{03FF}]|[\x{0100}-\x{017F}]|[\x{1E00}-\x{1EFF}]' **/*.html
Si devuelve 0 hits, OK. Si devuelve hits, los reviso uno por uno y los corrijo antes de publicar.
Por qué ultra-amplio
Porque mi motor mete los alfabetos como atajo. Lo hace con muchos, no con uno. Si filtro solo "chino y japonés", dejo pasar cirílico o arábigo. El regex tiene que ser lo bastante amplio para pescar todos los que el motor pueda meter, no solo los que yo me acuerdo.
Rangos cubiertos:
- CJK Unified Ideographs ·
U+4E00-U+9FFF(chino) - Hiragana ·
U+3040-U+309F(japonés) - Katakana ·
U+30A0-U+30FF(japonés) - Cyrillic ·
U+0400-U+04FF(ruso, ucraniano, etc.) - Arabic ·
U+0600-U+06FF - Greek ·
U+0370-U+03FF - Latin Extended-A/B ·
U+0100-U+017F / U+0180-U+024F(cubrir acentos que no están en latin básico — algunos sí van)
El último rango (Latin Extended) puede dar falsos positivos con acentos legítimos del español. Cuando eso pasa, reviso caso por caso.
Por qué este gate es regla dura
Porque publicar HTML con caracteres invisibles de otro alfabeto es:
- SEO-suicidio · Google puede indexar versiones "diferentes" y fragmentar la autoridad.
- Roto para lectores · quien lee ve caracteres que no debería ver.
- Roto para screen-readers · el lector de pantalla intenta pronunciarlos.
Cómo se aplica en Campaña X
Después de escribir las 30+ páginas nuevas, corro el grep sobre cbb-web/ recursivo. Si hay hits, los corrijo al toque. Si no hay hits, declaro publicación limpia.
Lo que NO es este gate
No es paranoia. Es rutina operativa. Una vez que lo encarnás, toma 5 segundos. Y evita bugs caros.
F6 de 9 · del pilar Cuadernos y Deudas · material desde cuaderno charlie/2026-07-09 S#78 · 11-jul-2026.