Limpar
Remover quebras de linha
Junte linhas quebradas por uma coluna de PDF ou um cliente de e-mail, mantendo as quebras de parágrafo genuínas.
Por que o texto de PDF cola quebrado
Um PDF não armazena parágrafos. Ele armazena glifos em coordenadas. Quando você seleciona texto em um visualizador de PDF e copia, o visualizador reconstrói uma ordem de leitura e insere uma quebra de linha onde a linha visual terminou — na borda da coluna, não no final da frase. Cole isso em um documento e cada linha para antes da hora.
Clientes de e-mail causam o mesmo problema de forma diferente. E-mail em texto plano tradicionalmente quebra em torno de 72 caracteres, então texto encaminhado chega pré-quebrado. Editores de código com uma régua fixa também fazem isso.
A correção é distinguir dois tipos de quebra. Uma quebra de linha simples dentro de um parágrafo é um artefato e deveria se tornar um espaço. Uma linha em branco entre parágrafos é significativa e deveria sobreviver. "Manter quebras de parágrafo" faz exatamente isso; desative apenas quando você deliberadamente quiser tudo em uma linha só.
A ordem de limpeza que funciona
Quando o texto chega mal formatado, a ordem das operações importa. Executar essas em sequência errada deixa costuras.
- Remova caracteres invisíveis primeiro. Espaços de largura zero e marcas de ordem de bytes sobrevivem à maioria das outras operações e quebram a busca depois.
- Recorte cada linha, para que espaços à direita não se tornem espaços duplos quando as linhas se juntam.
- Remova as quebras de linha, mantendo as quebras de parágrafo.
- Comprima espaços extras para arrumar as junções.
- Remova linhas em branco por último, quando você puder ver a estrutura real.
Hifenização é o caso que esta ferramenta deliberadamente não adivinha. PDFs frequentemente quebram uma palavra entre linhas com um hífen. Juntar "compre-" e "hension" automaticamente também destruiria hífens genuínos em "state-of-the-art", então o comportamento seguro é deixá-los e deixar você procurar pelos hífens restantes.
Perguntas frequentes
Por que o texto copiado de um PDF tem quebras em todo lugar?
Um PDF armazena posições de glifos, não parágrafos. Quando você copia, o visualizador insere uma quebra de linha onde a linha visual terminou — a borda da coluna, não o final da frase. A estrutura nunca esteve no arquivo.
Vai destruir minhas quebras de parágrafo?
Não com "Manter quebras de parágrafo" ativado, que é o padrão. Quebras de linha simples dentro de um parágrafo se tornam espaços; linhas em branco entre parágrafos sobrevivem. Desative apenas quando você deliberadamente quiser tudo em uma linha sola.
Reúne palavras com hífen divididas entre linhas?
Não, deliberadamente. Reunir "compre-" e "hension" também destruiria hífens genuínos em palavras como "state-of-the-art", e não há maneira confiável de distinguir os dois sem um dicionário. Procure por hífens restantes após a limpeza.