Text/Clean

Restaurar quebras de linha de PDF

Junta as quebras forçadas dentro dos parágrafos e recupera os parágrafos originais.

Exemplo

  • Opções aplicadas
  • Opções padrão
Entrada
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.
Resultado
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.

Símbolos nos exemplos: ⇥ tabulação · · espaço no fim da linha · ⍽ NBSP · □ espaço de largura total · ◌ caractere de largura zero

Abrir esta operação na ferramenta

O que faz

O PDF é um formato que posiciona os caracteres por coordenadas na página, e a noção de parágrafo é fraca. Por isso, ao copiar, cada linha visível na tela ganha uma quebra de linha e as frases ficam cortadas no meio. Esta operação junta essas linhas novamente e restaura os parágrafos.

Regras de processamento

  • Linhas vazias são tratadas como limite de parágrafo e mantidas.
  • Linhas do mesmo parágrafo são unidas. Linhas em alfabeto latino ou em hangul (coreano) são ligadas por um espaço; entre caracteres de escritas sem espaço entre palavras, como ideogramas chineses e kana japonês, a união é feita sem espaço.
  • Linhas que começam com marcadores ou números, como -, • e 1., continuam sendo linhas novas.

Opções

  • Reunir palavras hifenizadas no fim da linha: junta palavras divididas por hífen no fim da linha na composição em inglês, como infor- / mation, formando information. Só junta quando a linha seguinte começa com minúscula, então grafias como well-Known são preservadas.
  • Linha curta + pontuação = fim de parágrafo: em PDFs cujos parágrafos seguem sem linha vazia entre eles, uma linha que termina com ponto final ou pontuação semelhante e é claramente mais curta que a linha mais longa do parágrafo é considerada a última do parágrafo, e a quebra é mantida.

Limitações

Em artigos diagramados em duas colunas, a própria ordem da cópia pode sair embaralhada, e esta operação não resolve isso. Se cabeçalhos ou números de página estiverem no meio do texto, remova-os antes com Filtrar linhas. O fluxo completo está no guia sobre quebras de linha de PDF.