Nettoyer
Supprimer les sauts de ligne
Rejoignez les lignes cassées par une colonne de PDF ou un client de messagerie, tout en gardant les vrais sauts de paragraphe.
Pourquoi le texte de PDF se colle en morceaux
Un PDF ne stocke pas les paragraphes. Il stocke des glyphes à des coordonnées. Quand vous sélectionnez du texte dans un lecteur PDF et le copiez, le lecteur reconstruit un ordre de lecture et insère un saut de ligne où la ligne visuelle s'est terminée — qui est le bord de la colonne, pas la fin de la phrase. Collez cela dans un document et chaque ligne s'arrête prématurément.
Les clients de messagerie causent le même problème différemment. Le courrier en texte brut traditionnellement enveloppe durement à environ 72 caractères, donc le texte transféré arrive pré-cassé. Les éditeurs de code avec une règle fixe le font aussi.
La correction est de distinguer deux types de rupture. Un saut de ligne simple à l'intérieur d'un paragraphe est un artefact et devrait devenir un espace. Une ligne vide entre les paragraphes est significative et devrait survivre. « Conserver les sauts de paragraphe » fait exactement cela ; désactivez-le uniquement quand vous voulez délibérément tout sur une seule ligne.
L'ordre de nettoyage qui fonctionne
Quand le texte arrive mal formaté, l'ordre des opérations compte. Exécuter ces étapes dans le mauvais ordre laisse des coutures.
- Supprimez d'abord les caractères invisibles. Les espaces de largeur nulle et les marcas d'ordre des octets survivent à la plupart des autres opérations et cassent la recherche plus tard.
- Rognez chaque ligne, pour que les espaces de fin ne deviennent pas des doubles espaces quand les lignes se rejoignent.
- Supprimez les sauts de ligne, en gardant les sauts de paragraphe.
- Compressez les espaces supplémentaires pour nettoyer les jointures.
- Supprimez les lignes vides en dernier, une fois que vous pouvez voir la vraie structure.
La césure est le cas que cet outil délibérément ne devine pas. Les PDF cassent souvent un mot sur plusieurs lignes avec un trait d'union. Rejoindre « compre- » et « hension » automatiquement détruirait aussi les vrais traits d'union dans « state-of-the-art », donc le comportement sûr est de les laisser et de vous laisser chercher les traits d'union restants vous-même.
Questions fréquentes
Pourquoi le texte copié depuis un PDF a-t-il des sauts partout ?
Un PDF stocke les positions des glyphes, pas les paragraphes. Lorsque vous copiez, le visualiseur insère un saut de ligne où la ligne visuelle se termine — le bord de la colonne, pas la fin de la phrase. La structure n'était jamais dans le fichier à l'origine.
Détruira-t-il mes sauts de paragraphe ?
Pas avec "Conserver les sauts de paragraphe" activé, ce qui est le comportement par défaut. Les sauts de ligne simples à l'intérieur d'un paragraphe deviennent des espaces ; les lignes vides entre les paragraphes survivent. Désactivez-le uniquement quand vous voulez délibérément tout sur une seule ligne.
Rejoint-il les mots coupés par des traits d'union sur plusieurs lignes ?
Non, délibérément. Rejoindre "compre-" et "hension" détruirait aussi les vrais traits d'union dans des mots comme "state-of-the-art", et il n'y a aucun moyen fiable de distinguer les deux sans dictionnaire. Recherchez les traits d'union restants après le nettoyage.