Como corrigir as quebras de linha de um texto copiado de PDF

Quando você copia um parágrafo de um relatório ou artigo em PDF e cola num e-mail ou documento, cada fim de linha que aparecia na tela vira uma quebra de linha e as frases ficam picotadas. Apagar uma por uma leva muito tempo, mesmo com poucas páginas. Este guia explica a causa e a ordem certa de limpeza.

Por que as linhas quebram

O PDF é um formato que posiciona os caracteres por coordenadas na página. Muitas vezes ele não guarda uma unidade de 'parágrafo', como faz um documento do Word, e por isso o leitor de PDF exporta cada linha da tela como uma linha ao copiar. O resultado é uma quebra no fim de todas as linhas do parágrafo. Em documentos em inglês, além disso, a composição tipográfica divide palavras com hífen no fim da linha, e uma palavra pode virar duas partes, como infor- e mation.

Pipeline básico

A receita pronta tem as quatro etapas abaixo.

1. Limpar caracteres invisíveis e aspas — limpa primeiro os NBSP, caracteres de largura zero e aspas curvas que vêm junto do PDF.
2. Restaurar quebras de linha de PDF — mantém as linhas vazias como limite de parágrafo e junta as linhas do mesmo parágrafo.
3. Reduzir espaços e tabulações repetidos — reduz a um os vários espaços criados pelo texto justificado.
4. Remover espaços nas pontas — apaga os espaços que sobraram nas pontas das linhas.

A restauração de quebras de PDF liga com um espaço as linhas em alfabeto latino ou em hangul coreano, e junta sem espaço os caracteres de escritas que não separam palavras, como ideogramas chineses e kana japonês. Linhas que começam com marcadores ou números, como -, • e 1., continuam como linhas novas, então as listas não viram um bloco só.

Este relatório foi elaborado
com base nos resultados da
pesquisa do 2º semestre de 2025.

- Respondentes: 1.204
- Período: novembro

A entrada acima fica assim:

Este relatório foi elaborado com base nos resultados da pesquisa do 2º semestre de 2025.

- Respondentes: 1.204
- Período: novembro

Em coreano, um espaço pode aparecer onde originalmente não havia (por exemplo, 작성 + 되었습니다 vira 작성 되었습니다), e o mesmo vale para qualquer quebra que caiu no meio de uma palavra. A ferramenta não tem como saber se a quebra de linha ocupava o lugar de um espaço, então leia o resultado uma vez.

Palavras divididas por hífen

Com 'Reunir palavras hifenizadas no fim da linha' ativado, as duas partes só são unidas quando a linha anterior termina com uma letra latina e - e a linha seguinte começa com minúscula. Se a linha seguinte começar com maiúscula ou número, não há junção, então grafias como COVID- / 19 continuam ligadas por um espaço. Palavras compostas que já tinham hífen (long- / term), se caírem no fim da linha, podem virar longterm; confira no resultado.

Quando há números de página e cabeçalhos

Ao copiar várias páginas de uma vez, números de página, títulos do documento, datas e outros cabeçalhos e rodapés se infiltram no meio do texto. Se essas linhas estiverem dentro de um parágrafo, acabam sendo unidas ao texto; por isso, o filtro de linhas deve vir antes da restauração de quebras de PDF.

1. Adicione Filtrar linhas no início do pipeline e defina a ação como 'Excluir as linhas que contêm'.
2. Ative 'Expressão regular' e digite ^\d+$ no texto a procurar para apagar as linhas só com números (números de página).
3. Se houver espaços em volta do número, use ^\s*\d+\s*$; para o formato - 12 -, use ^\s*-\s*\d+\s*-\s*$.
4. Para cabeçalhos repetidos, desative a expressão regular e digite o texto exato (por exemplo, o título do documento). Você pode ter várias etapas de filtro.

Se o texto do cabeçalho aparecer dentro de uma frase do corpo, essa linha também será apagada; escolha como termo de busca uma parte que só o cabeçalho tenha.

Cuidado com PDFs em duas colunas

Em PDFs com a página dividida em duas colunas, como em periódicos científicos, alguns leitores copiam as linhas da coluna esquerda e da direita alternadas. Nesse caso é a própria ordem das linhas que está errada, e nenhuma limpeza de quebras consegue corrigir. Selecione e copie uma coluna de cada vez no leitor e depois cole.

Parágrafos sem linha vazia entre eles

Em PDFs sem linha vazia entre parágrafos, todas as linhas podem ser juntadas num único parágrafo. Com 'Linha curta + pontuação = fim de parágrafo' ativado, uma linha que termina com ponto final ou pontuação semelhante e é claramente mais curta que a linha mais longa do parágrafo é considerada o fim do parágrafo, e a quebra é mantida. Como é uma estimativa, uma frase curta que por acaso termina no fim da linha pode gerar uma divisão indevida.

Tabelas, notas de rodapé e legendas

Tabelas dentro de um PDF, ao serem copiadas, muitas vezes saem com as células separadas só por espaços ou com uma célula por linha. Se você limpar essas partes junto com o texto, os valores das células se juntam como se fossem uma frase; por isso é melhor copiar e tratar as tabelas separadamente. Os números de nota de rodapé são copiados como algarismos do mesmo tamanho do texto e podem grudar nas palavras, como em resultado.3. A ferramenta não consegue distinguir números de nota de números do texto, então apague manualmente onde for necessário. Legendas de figuras que ficam entre parágrafos sem linha vazia podem ser unidas aos parágrafos vizinhos.

Salve a configuração como receita

Se você ajustou o pipeline, por exemplo adicionando o filtro de números de página, dê um nome e salve como receita. Ao limpar várias vezes PDFs com o mesmo formato, como relatórios de uma mesma instituição, você não precisa montar as etapas de novo. A receita fica só neste navegador, e o texto colado não é enviado a nenhum servidor.

Checklist

• O filtro de números de página e cabeçalhos vem antes da etapa de restauração.
• Documentos em duas colunas são copiados coluna por coluna.
• Compostos com hífen e espaçamento (principalmente em coreano) são conferidos a olho no resultado.

Última atualização: 2026-09-23