BroadRouter
Comenzar

Texto de derecha a izquierda (RTL)

Actualizado

El texto de derecha a izquierda (RTL) es escritura, como la árabe o la hebrea, que se muestra de derecha a izquierda. Las computadoras lo guardan en orden lógico de lectura, y el algoritmo bidireccional de Unicode decide el orden de visualización cuando se mezcla con texto de izquierda a derecha, dígitos, nombres de modelos o código.

También llamado: texto RTL, texto bidireccional, dirección del texto, escritura de derecha a izquierda, RTL, right-to-left, bidirectional text, bidi

La respuesta del modelo en árabe es correcta, pero en pantalla el precio aparece del lado equivocado y el nombre del modelo queda partido en dos. Es un problema de bidi, no del modelo.

Cómo funciona

El texto se guarda en orden lógico, el orden en que se lee y se escribe. UAX #9, el algoritmo bidireccional de Unicode, asigna a cada carácter un tipo de dirección y calcula el orden de visualización de la línea. Los caracteres nunca se mueven en memoria; solo cambia cómo se muestran.

Las letras son fuertes: el árabe va de derecha a izquierda y el latín de izquierda a derecha. Los dígitos y la puntuación son débiles o neutros y toman su posición del texto que los rodea. Los dígitos europeos son de tipo EN y los dígitos arábigo-índicos de tipo AN, y UAX #9 resuelve EN como AN cuando sigue a una letra árabe.

Una cadena mixta típica de un asistente en árabe:

جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة

Si se muestra en un contexto de izquierda a derecha, los tramos árabes se leen de derecha a izquierda pero el párrafo empieza a la izquierda, así que la frase aparece en el orden equivocado y la barra, los puntos y el número 20 pueden pegarse al tramo incorrecto. La solución es fijar la dirección base, no reordenar caracteres.

Cuando no hay marcado disponible, Unicode ofrece caracteres de control invisibles:

Punto de código Nombre Uso
U+200F RLM, marca de derecha a izquierda Empujar un carácter neutro hacia RTL
U+061C ALM, marca de letra árabe Lo mismo, en contextos árabes
U+2067 RLI, aislamiento de derecha a izquierda Iniciar un tramo RTL
U+2066 LRI, aislamiento de izquierda a derecha Iniciar un tramo LTR, como un ID de modelo
U+2068 FSI, aislamiento por primer carácter fuerte Tomar la dirección del contenido
U+2069 PDI, cierre de aislamiento direccional Cerrar cualquier aislamiento

UAX #9 recomienda usar aislamientos en lugar de los antiguos embeddings (U+202A a U+202C) en documentos nuevos, porque los embeddings afectan demasiado al texto circundante, y dice que los overrides (U+202D, U+202E) deben evitarse siempre que sea posible por motivos de seguridad.

Por qué importa

En HTML, el W3C aconseja poner dir="rtl" en el elemento html cuando la página es RTL, y no usar CSS para fijar la dirección base. Para texto cuya dirección usted no conoce, como la respuesta de un modelo o el nombre de un usuario, use dir="auto" o el elemento bdi. El W3C señala que auto decide a partir del primer carácter fuerte, así que un párrafo mayormente en inglés que empieza con una palabra árabe aún puede mostrarse mal.

Para quienes usan la API, los problemas habituales son:

  • Interfaces de chat. Una respuesta en streaming empieza en inglés y pasa al árabe. Ponga dir="auto" en cada mensaje, no una sola vez en la página.
  • JSON y logs. La salida del modelo puede contener marcas invisibles. Un valor como "‏gulf" no será igual a "gulf". Elimine los controles bidi antes de comparar campos de salida estructurada.
  • Textos de interfaz traducidos. Los marcadores de posición y los nombres de producto dentro del árabe necesitan aislamientos; vea traducir los textos de una app al árabe.

En BroadNet Inference

El endpoint de chat de BroadNet devuelve el árabe como texto normal en la respuesta JSON, como cualquier API compatible con OpenAI, y BroadNet no tiene ninguna función de visualización ni de bidi. La dirección es tarea de su front end. Si además normaliza el texto para búsqueda, elimine los controles bidi en la misma pasada que la normalización Unicode, ya que NFC y NFKC los conservan.

Errores comunes

  • Invertir cadenas árabes en el código para “arreglar” la visualización.
  • Fijar la dirección solo con CSS.
  • Dejar U+200F o U+2067 dentro de IDs, claves o valores de enum.

Preguntas frecuentes

¿Una API de LLM devuelve el texto árabe al revés?

No. Las APIs devuelven los caracteres en orden lógico, el orden en que se leen. La inversión solo ocurre al mostrarlos, cuando la dirección del contexto es incorrecta.

¿Debo eliminar los caracteres de control bidi de la salida del modelo?

Elimine los overrides (U+202D, U+202E) del texto no confiable, ya que UAX #9 advierte que plantean problemas de seguridad. Los aislamientos y las marcas suelen ser inofensivos, pero quítelos de los valores que compara, indexa o analiza.

¿Por qué mis números saltan al lado equivocado de una frase en árabe?

Los dígitos son caracteres débiles cuya posición depende de sus vecinos. Ponga el número y su unidad en un aislamiento, o fije la dirección del párrafo de forma explícita con dir="rtl".

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity