Восстановление переносов из 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.

Что делает операция

PDF — формат, который размещает символы по координатам на странице, и понятие абзаца в нём выражено слабо. Поэтому при копировании в конце каждой видимой на экране строки появляется перенос, и предложения обрываются на середине. Эта операция снова склеивает такие строки и восстанавливает абзацы.

Правила обработки

• Пустая строка считается границей абзаца и сохраняется.
• Строки одного абзаца склеиваются. Строки на корейском и латинице соединяются через один пробел, а символы, которые пишутся без пробелов (иероглифы, кана), — без пробела.
• Строки, начинающиеся с маркера или номера вроде -, •, 1., остаются отдельными строками.

Параметры

• Склеивать слова, перенесённые через дефис: слова, разорванные дефисом в конце строки при английской вёрстке, например infor- / mation, соединяются в information. Это происходит только если следующая строка начинается со строчной буквы, поэтому написания вроде well-Known сохраняются. Правило работает только для латиницы: слова на кириллице, перенесённые через дефис, не склеиваются.
• Считать короткую строку со знаком препинания концом абзаца: в PDF, где абзацы идут без пустых строк между ними, строка, которая заканчивается точкой или похожим знаком и заметно короче самой длинной строки абзаца, считается последней строкой абзаца, и перенос после неё сохраняется.

Ограничения

В научных статьях с вёрсткой в две колонки при копировании может перепутаться сам порядок строк, и эта операция такое не исправит. Если между строками текста затесались колонтитулы или номера страниц, сначала удалите их через Фильтр строк. Весь порядок действий описан в руководстве по переносам из PDF.