Aufräumen
Zeilenumbrüche entfernen
Verbinden Sie Zeilen, die durch eine PDF-Spalte oder einen E-Mail-Client gebrochen wurden, unter Beibehaltung echter Absatzumbrüche.
Warum PDF-Text gebrochen pastet
Ein PDF speichert keine Absätze. Es speichert Glyphen an Koordinaten. Wenn Sie Text in einem PDF-Viewer auswählen und kopieren, rekonstruiert der Viewer eine Lesereihenfolge und fügt einen Zeilenumbruch ein, wo die visuelle Zeile endete — am Rand der Spalte, nicht am Satzende. Fügen Sie das in ein Dokument ein und jede Zeile hört vorzeitig auf.
E-Mail-Clients verursachen dasselbe Problem anders. E-Mail-Plaintext wickelt traditionell bei etwa 72 Zeichen um, daher kommt weitergeleiteter Text gebrochen an. Code-Editors mit einem festen Lineal tun es auch.
Die Lösung besteht darin, zwei Arten von Umbrüchen zu unterscheiden. Ein einzelner Zeilenumbruch innerhalb eines Absatzes ist ein Artefakt und sollte ein Leerzeichen werden. Eine Leerzeile zwischen Absätzen ist bedeutsam und sollte überleben. „Absatzumbrüche beibehalten" tut genau das; schalten Sie es nur aus, wenn Sie bewusst alles in einer Zeile haben möchten.
Die Bereinigungsreihenfolge, die funktioniert
Wenn Text schlecht formatiert ankommt, ist die Reihenfolge der Operationen wichtig. Diese in der falschen Reihenfolge auszuführen lässt Nähte zurück.
- Unsichtbare Zeichen zuerst entfernen. Leerzeichen mit Breite null und Byte-Reihenmarken überleben die meisten anderen Operationen und brechen die Suche später.
- Jede Zeile trimmen, damit abschließende Leerzeichen nicht zu doppelten Leerzeichen werden, wenn Zeilen zusammengeführt werden.
- Zeilenumbrüche entfernen, unter Beibehaltung von Absatzumbrüchen.
- Zusätzliche Leerzeichen komprimieren, um die Verbindungen aufzuräumen.
- Leerzeilen zuletzt entfernen, sobald Sie die tatsächliche Struktur sehen können.
Trennung ist der Fall, den dieses Tool absichtlich nicht errät. PDFs brechen oft Wörter über Zeilen mit einem Bindestrich. „compre-" und „hension" automatisch wieder zusammenzufügen würde auch echte Bindestriche in „state-of-the-art" zerstören, daher ist das sichere Verhalten, sie zu lassen und Sie die verbleibenden Bindestriche selbst suchen zu lassen.
Häufige Fragen
Warum hat aus einem PDF kopierter Text überall Umbrüche?
Ein PDF speichert Glyphenpositionen, nicht Absätze. Wenn Sie kopieren, fügt der Viewer einen Zeilenumbruch ein, wo die visuelle Zeile endete — am Rand der Spalte, nicht am Satzende. Die Struktur war von Anfang an nicht in der Datei.
Wird es meine Absatzumbrüche zerstören?
Nicht mit "Absatzumbrüche beibehalten", was die Standardeinstellung ist. Einzelne Zeilenumbrüche innerhalb eines Absatzes werden zu Leerzeichen; Leerzeilen zwischen Absätzen überleben. Schalten Sie es nur aus, wenn Sie bewusst alles in einer Zeile haben möchten.
Fügt es Wörter zusammen, die über Zeilen mit Bindestrichen geteilt sind?
Nein, absichtlich. Das Zusammenfügen von "compre-" und "hension" würde auch echte Bindestriche in Wörtern wie "state-of-the-art" zerstören, und es gibt keine zuverlässige Möglichkeit, die beiden ohne Wörterbuch zu unterscheiden. Suchen Sie nach verbleibenden Bindestrichen nach der Bereinigung.