Quando tirar o acento de um texto — e quando isso quebra tudo

Por que a diferença invisível quebra coisas

As duas escritas de “ação” ocupam 6 e 8 bytes. Comparadas do jeito que quase todo programa compara — byte a byte —, elas são palavras diferentes. Comparadas por uma função que entende português, são a mesma. É por isso que um cadastro aceita seu nome e a busca dele não te encontra depois: os dois textos vieram de teclados diferentes.

Isso aparece na vida de quem nunca ouviu falar de normalização. Você baixa uma pasta do Mac de um colega, ela chega com os nomes escritos do jeito decomposto, e o sistema do trabalho não acha o arquivo que está bem ali. A documentação da Apple descreve exatamente esse sintoma: criar um arquivo com um comportamento de normalização e tentar abrir com o outro devolve erro de arquivo inexistente.

E aparece na senha. Se você digita “ação” na criação com um teclado e no login com outro, os dois textos podem não ser o mesmo texto — e a conferência não perdoa um byte. É um dos motivos pelos quais o gerador daqui sorteia só caracteres sem acento: não é que acento seja fraco, é que ele introduz uma pergunta que ninguém quer responder às três da manhã.

O que “tirar acento” faz de verdade

Tirar acento não é trocar “á” por “a” numa tabela. O caminho certo desmonta a letra em duas partes — a letra e o sinal —, joga fora os sinais e monta de novo o que sobrou. É por isso que “Ação” vira “Acao” e não “acao”: a caixa é da letra, e não do acento.

A receita caseira, aquela com uma lista de “á→a, é→e, ç→c”, erra em dois lugares. Ela esquece letra que existe e não está na lista, e trata como acento coisa que não é. Estas aqui, por exemplo, não são letra com acento: são letras inteiras, e o caminho do acento passa por elas sem tocar em nada — ª º ß æ ø ð ł.

Quem só tira acento deixa essas letras intactas, o que é correto. Quem depois filtra o texto para caber num endereço de site as apaga caladas, o que não é. O caso que dói em português é o ordinal: “1ª via do boleto” tem que virar 1a-via-do-boleto, e não perder o “ª” pelo caminho — senão o endereço passa a falar de outra coisa. Foi para isso que o conversor daqui ganhou uma tabela à parte só para essas letras.

O apóstrofo, que ninguém lembra

Dos nomes de município, 47 têm apóstrofo e 27 têm hífen. Nenhum dos dois é acento, e os dois somem ou viram outra coisa quando o texto vira endereço: “Olhos-d'Água” sai como olhos-d-agua.

Isso costuma ser aceitável em endereço de site e inaceitável em cadastro. Um sistema que limpa o nome do cliente “para garantir” transforma Sant’Ana em Sant Ana, e a partir daí duas grafias do mesmo nome convivem na base — uma na nota fiscal, outra no contrato.

Onde o acento é da língua, não do sistema

O acento em português carrega significado. “Está” e “esta” são palavras diferentes, “pôde” e “pode” estão em tempos diferentes, “é” e “e” fazem coisas opostas na frase. Tirar acento de texto que alguém vai ler não é limpeza: é apagar informação que a pessoa vai ter que reconstruir pelo contexto, frase por frase.

A regra prática que resolve quase tudo: tire o acento na CHAVE, nunca no VALOR. O endereço da página, o nome do arquivo, o login, o identificador interno — esses são chave, e chave existe para ser digitada, comparada e transportada. O título, o nome do cliente, o texto do parágrafo — esses são valor, e o valor guarda o que a pessoa escreveu.

O acento em endereço de site e em domínio

Endereço de página aceita acento, e mesmo assim quase ninguém usa. O motivo é o que acontece quando alguém copia o link: “ação” é reescrito como a%C3%A7%C3%A3o, e um endereço curto vira uma fileira de porcentagens que ninguém consegue ler no WhatsApp nem ditar por telefone.

Domínio é outra história, porque o acento ali é convertido para uma forma própria que começa com xn--. Fomos conferir se isso é teoria: consultamos oito palavras portuguesas acentuadas em .com.br no DNS público da Cloudflare, e uma delas está registrada e responde — você.com.br, que no DNS se chama xn--voc-hma.com.br. Funciona. O que não funciona é ter só a versão acentuada: quem digita rápido erra o acento, e o trânsito vai para o vizinho.

Quando o problema não é o acento

Metade das vezes em que alguém pede para “tirar os acentos” o defeito é outro. Se o texto está aparecendo como “AÇÃO”, o acento não fez nada de errado: o arquivo foi salvo numa codificação e aberto em outra. Tirar acento faz o sintoma sumir e deixa a causa lá, esperando o próximo campo que tenha “ã”.

Se o texto some do meio para o fim num campo do sistema, o suspeito costuma ser tamanho: uma letra acentuada ocupa dois bytes em UTF-8, e campo dimensionado em bytes cabe menos texto do que parece. 6 bytes para 4 letras é a conta de “ação” — e um campo de 20 pode recusar 15 caracteres se todos forem acentuados.

E se o problema é comparação — o PROCV que não casa, a busca que não acha — vale conferir antes o que veio junto no texto colado. Espaço duro e hífen suave quebram comparação do mesmo jeito, e são ainda mais difíceis de ver: medimos 46 documentos atrás deles.

O que esta medição não cobre

A lista do IBGE é de nomes de município, e nada garante que a mesma taxa valha para nome de pessoa, de rua ou de produto. As oito colisões são as que existem DENTRO dessa lista: uma base que misture municípios com bairros ou distritos terá outras, quase certamente mais.

A consulta de domínio foi feita num dia, por um resolvedor público, e diz só que o registro existe e responde. Não diz que o site abre, nem que o e-mail daquele domínio entrega. E a regra de “sem acento” dos arquivos de remessa bancária, que todo integrador repete, ficou de fora de propósito: os layouts que tentamos abrir não vieram, e este site não cita o que não leu.

Como tirar, quando for para tirar

O conversor daqui tem as duas opções que este texto separa. “Sem acentos” tira acento e cedilha e mantém as maiúsculas, que é o que sistema antigo costuma exigir. “endereco-de-site” vai além: minúsculo, sem acento, hífen no lugar do resto — e com a tabela que salva o “ª” de virar nada.

Antes de colar o resultado num cadastro, olhe a tabela lá de cima uma vez. Se aquilo é chave, tire. Se é o nome de uma pessoa ou de uma cidade, pense duas vezes: existem oito lugares no Brasil onde essa faxina apaga a diferença entre dois municípios que nunca se viram.