修复 PDF 复制的换行

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.

它做什么

PDF 是把文字按坐标排在页面上的格式，“段落”的概念很弱。所以复制时，屏幕上看到的每一行都会带一个换行，句子被从中间截断。这个操作会把这些行重新接起来，恢复段落。

处理规则

• 空行被视为段落边界，原样保留。
• 同一段落内的行会被连接。韩文和英文用一个空格连接，汉字、假名这类不用空格分词的文字之间则直接拼接，不加空格。
• 以 -、•、1. 这类项目符号或编号开头的行保留为新行。

选项

• 还原行尾连字符拆开的单词：英文排版中会出现 infor- / mation 这样在行尾用连字符拆开的单词，此选项会把它们合并为 information。只有下一行以小写字母开头时才会合并，所以 well-Known 这类专有写法会被保留。
• 短行＋标点视为段落结尾：在段落之间没有空行的 PDF 中，把以句号等结尾、并且明显短于该段最长一行的行视为段落的最后一行，保留其后的换行。

局限

双栏排版的论文复制出来时，行的顺序本身就可能是乱的，这个操作无法解决。如果页眉或页码夹在正文中间，请先用 行过滤 删除。完整流程整理在 PDF 换行指南中。