PDFからコピーしたテキストの崩れた改行を整える方法
PDFからコピーすると文の途中で改行が入る理由と、改行の復元・ハイフン単語の結合・ページ番号やヘッダーの削除までを、入力と結果の例で段階的に解説します。
PDFの報告書や論文から段落をコピーしてメールや文書に貼り付けると、画面上の行末ごとに改行が入り、文がばらばらになります。手作業で一つずつ消していくと、数ページでもかなりの時間がかかります。この記事では、原因と整理の手順を説明します。
なぜ改行が入るのか
PDFは文字をページ上の座標に配置する形式です。Word文書のように「段落」という単位が別に保存されていないことが多く、PDFビューアーはコピーの際に画面上の1行を1行として書き出します。その結果、段落内のすべての行末に改行が付きます。英語の文書ではさらに、行末で単語をハイフンで分ける組版のために、infor- と mation のように単語が2つに分かれることもあります。
基本のパイプライン
標準レシピは次の4つのステップでできています。
- 見えない文字・引用符の整理 — PDFから紛れ込むNBSP・ゼロ幅文字・カーリー引用符を先に整理します。
- PDFコピーの改行を復元 — 空行は段落の境界として残し、同じ段落内の行をつなげます。
- 連続する空白・タブを整理 — 両端揃えのせいで生じた連続する空白を1文字にまとめます。
- 前後の空白を削除 — 行の前後に残った空白を削除します。
PDFコピーの改行を復元は、韓国語・英語の行は空白1文字でつなぎ、漢字・かなのように分かち書きをしない文字どうしは空白なしでつなげます。-、•、1. のように箇条書き記号や番号で始まる行は新しい行として残すので、リストがひとかたまりに潰れることはありません。
本報告書は2025年下半期の アンケート結果をもとに作成 されました。 - 回答者数：1,204名 - 調査期間：11月
上の入力は次のように整理されます。
本報告書は2025年下半期のアンケート結果をもとに作成されました。 - 回答者数：1,204名 - 調査期間：11月
日本語の行どうしは空白なしでつながりますが、行末や行頭が英数字の場合(Windows / の設定 など)は空白が1文字入ります。また韓国語の文章では、もともと分かち書きしない位置でも空白が入ることがあります。ツールには改行がもともと空白の位置だったかどうかがわからないので、結果を一度読んで確認してください。
ハイフンで分かれた単語
「行末のハイフンで分かれた単語を復元」がオンなら、前の行が英字と - で終わり、次の行が小文字で始まる場合だけ2つの断片をまとめます。次の行が大文字や数字で始まる場合はまとめないので、COVID- / 19 のような表記は間に空白を挟んでつながります。もともとハイフンを含む複合語(long- / term)が行末にかかると longterm とつながってしまうことがあるので、結果を確認してください。
ページ番号やヘッダーが混ざるとき
複数ページをまとめてコピーすると、ページ番号、文書のタイトル、日付のようなヘッダー・フッターが本文の間に挟まります。これらの行が段落の中にあると本文と一緒につながってしまうので、行フィルターはPDFコピーの改行を復元より前に置く必要があります。
- パイプラインの先頭に 行フィルター を追加し、動作を「含む行を削除」にします。
- 「正規表現」をオンにして、検索する内容に
^\d+$を入れると、数字だけの行(ページ番号)が削除されます。 - ページ番号の前後に空白がある場合は
^\s*\d+\s*$、- 12 -の形式なら^\s*-\s*\d+\s*-\s*$を使います。 - 繰り返し出てくるヘッダーは、正規表現をオフにしてその文言(例: 文書のタイトル)をそのまま入れて削除します。フィルターのステップはいくつでも置けます。
本文の文の中にヘッダーの文言が含まれていると、その行も一緒に削除されるので、ヘッダーにしかない特徴的な部分を検索する内容に選んでください。
2段組のPDFに注意
学術誌のように1ページが2段に分かれたPDFでは、ビューアーによって左の段と右の段の行が交互に混ざってコピーされることがあります。この場合は行の順序そのものが間違っているため、どんな改行の整理でも直せません。ビューアーで1段ずつドラッグして別々にコピーしてから貼り付けてください。
空行なしで段落が続く場合
段落の間に空行がないPDFでは、すべての行が1つの段落にまとめられてしまうことがあります。「短い行+句読点は段落の終わりと判断」がオンなら、句点やピリオドなどで終わり、かつその段落でいちばん長い行より明らかに短い行を段落の終わりとみなして行を分けます。推定なので、短い文がたまたま行末にかかると誤って分かれることがあります。
表・脚注・図の説明
PDF内の表は、コピーするとセルが空白だけで区切られたり、1セルごとに改行されたりして出てくることが多くあります。こうした部分を本文と一緒に整理するとセルの値が1つの文のようにつながってしまうので、表は本文と別にコピーして扱うほうがよいでしょう。脚注の番号は本文と同じ大きさの数字としてコピーされ、結果である。3 のように語の後ろに付くことがあります。ツールには脚注の番号と本文中の数字を区別できないので、必要な箇所だけ手で削除してください。図の説明(キャプション)が空行なしで本文の間に挟まっていると、前後の段落とつながってしまうことがあります。
よく使う設定はレシピに
ページ番号のフィルターを追加するなどパイプラインを手直ししたら、名前を付けてレシピとして保存しておきましょう。同じ機関の報告書のように形式が同じPDFを何度も整理するとき、ステップを積み直す必要がなくなります。レシピはこのブラウザにだけ保存され、貼り付けたテキストがサーバーに送信されることはありません。
チェックリスト
- ページ番号・ヘッダーのフィルターは復元のステップより前に置く。
- 2段組の文書は段ごとに別々にコピーする。
- ハイフン入りの複合語や、英数字と日本語の境目の空白は、結果を目で確認する。
最終更新: 2026-09-23