Verwyder reëlbreuke

'n PDF stoor nie paragrawe nie. Dit stoor reëls teks wat op vaste posisies op 'n bladsy geplaas is, so wanneer jy daaruit kopieer, kom elke reël van die gedrukte kolom gewoonlik met sy eie reëlbreuk aan. Gewone-teks-e-pos het 'n soortgelyke geskiedenis: RFC 5322 beperk 'n reël tot 998 karakters en beveel aan dat dit nie meer as 78 is nie, so baie e-posprogramme breek boodskappe af by ongeveer 72 tot 76 karakters, en die breuke bly staan wanneer die teks elders geplak word. Terminaaluitvoer, onderskrifte, OCR-resultate en teks wat uit smal webkolomme gekopieer is, gedra hulle op dieselfde manier.

As dit in 'n dokument, 'n vorm of 'n vertaalgereedskap geplak word, breek hierdie reëlbreuke sinne middel-in en verwar dit speltoetsers en masjienvertaling. Deur die reëls saam te voeg word sinne herstel, en deur leë reëls as skeiding te behou, bly die paragraafstruktuur wat die skrywer beoog het, behoue.

Reëleindes dateer uit die tyd van tikmasjiene en teleprinters, waar 'n koetsterugkeer (CR) die drukkop terug na die linkerkantlyn beweeg het en 'n reëlvoer (LF) die papier een reël vorentoe gevoer het. Windows het albei karakters behou, so sy teks­lêers eindig elke reël met CRLF; Unix, Linux en moderne macOS gebruik net LF; die klassieke Mac OS voor OS X het net CR gebruik. Teks wat tussen stelsels beweeg, meng dikwels dié drie, en dit is hoekom 'n lêer in een redigeerder enkelspasiëring kan lyk en in 'n ander dubbelspasiëring of aaneengeploeg.

Hierdie gereedskap hanteer al drie as reëlbreuke, so jy hoef nooit te weet watter een jou teks bevat nie. Met die paragraaf-opsie aan, merk 'n reël wat leeg is of net spasies en tabs bevat 'n paragraafgrens; die paragrawe word teruggeskryf, geskei deur een leë reël, met LF.

Voeg met 'n spasie saam vir Afrikaans, Engels en ander tale wat met spasies tussen woorde geskryf word; voeg met niks saam vir Chinees, Japannees en Thai, waar 'n ekstra spasie middel in 'n sin sou beland. Die opsie om spasies saam te vat verander die dubbele en driedubbele spasies wat gejusteerde PDF-teks agterlaat in enkele spasies. Een ding wat die gereedskap doelbewus ongemoeid laat, is 'n koppelteken aan die einde van 'n reël: "infor-" gevolg deur "masie" word "infor- masie", omdat net 'n mens 'n gebreekte woord van 'n egte saamgestelde woord met 'n koppelteken, soos "goed-bekend", kan onderskei. Soek daarna na "- " om dit reg te maak. As die skoongemaakte teks 'n lys is, gaan voort met Verwyder duplikaatreëls, of kyk die lengte daarvan na in die Woordteller.