Reparar saltos de línea copiados de PDF

Plain text copied from a PDF keeps every
visual line break, so sentences are cut
in the middle and long words are hy-
phenated at the end of a line.

A blank line still marks a new para-
graph, which is kept as it is.

Plain text copied from a PDF keeps every visual line break, so sentences are cut in the middle and long words are hyphenated at the end of a line.

A blank line still marks a new paragraph, which is kept as it is.

Qué hace

El PDF es un formato que coloca las letras en coordenadas sobre la página, y la noción de párrafo es débil. Por eso, al copiar, cada línea que se ve en pantalla lleva un salto de línea y las frases quedan cortadas por la mitad. Esta operación vuelve a unir esas líneas y recupera los párrafos.

Reglas de procesamiento

• Las líneas vacías se consideran límites de párrafo y se conservan.
• Las líneas de un mismo párrafo se unen. El coreano y los textos en alfabeto latino se unen con un espacio; entre caracteres que no usan espacios, como los ideogramas chinos o los kana japoneses, se unen sin espacio.
• Las líneas que empiezan con una viñeta o un número, como -, • o 1., se mantienen como línea nueva.

Opciones

• Unir palabras cortadas con guion al final de línea: en la composición tipográfica inglesa aparecen palabras partidas como infor- / mation; esta opción las une en information. Solo une si la línea siguiente empieza en minúscula, así que grafías como well-Known se conservan.
• Línea corta con puntuación = fin de párrafo: en PDF sin líneas vacías entre párrafos, una línea que termina en punto u otro signo y es claramente más corta que la línea más larga del párrafo se considera la última del párrafo, y se conserva el salto que la sigue.

Limitaciones

En artículos maquetados a dos columnas, el orden de copia puede salir mezclado, y esta operación no lo resuelve. Si hay encabezados o números de página intercalados en el texto, elimínalos antes con Filtrar líneas. El proceso completo está explicado en la guía de saltos de línea de PDF.