Zeilenumbrüche entfernen

Ein PDF speichert keine Absätze. Es speichert Textzeilen, die an festen Positionen einer Seite stehen. Wenn Sie daraus kopieren, kommt deshalb meist jede Zeile der gedruckten Spalte mit eigenem Zeilenumbruch an. Reine Text-E-Mails haben eine ähnliche Vorgeschichte: RFC 5322 begrenzt eine Zeile auf 998 Zeichen und empfiehlt höchstens 78. Viele Mailprogramme brechen Nachrichten daher bei etwa 72 bis 76 Zeichen um, und die Umbrüche bleiben erhalten, wenn der Text an anderer Stelle eingefügt wird. Terminal-Ausgaben, Untertitel, OCR-Ergebnisse und Text aus schmalen Webspalten verhalten sich genauso.

Wenn Sie solchen Text in ein Dokument, ein Formular oder ein Übersetzungstool einfügen, zerreißen die Umbrüche Sätze mitten im Satz und bringen Rechtschreibprüfung und maschinelle Übersetzung durcheinander. Das Zusammenfügen der Zeilen stellt die Sätze wieder her, und beibehaltene Leerzeilen als Trenner bewahren die Absatzstruktur, die der Autor gemeint hat.

Zeilenenden stammen noch von Schreibmaschinen und Fernschreibern: Ein Wagenrücklauf (CR) brachte den Druckkopf zurück an den linken Rand, ein Zeilenvorschub (LF) schob das Papier um eine Zeile weiter. Windows hat beide Zeichen beibehalten, daher enden Textdateien dort mit CRLF. Unix, Linux und das moderne macOS verwenden nur LF, das klassische Mac OS vor OS X nur CR. Wenn Text zwischen Systemen wandert, vermischt sich das oft. Deshalb kann eine Datei in einem Editor einzeilig aussehen und in einem anderen doppelt beabstandet oder zusammengeschoben.

Dieses Tool behandelt alle drei als Zeilenumbruch, Sie müssen also nie wissen, welcher in Ihrem Text steckt. Ist die Absatzoption aktiv, markiert eine leere Zeile oder eine Zeile nur mit Leerzeichen und Tabulatoren eine Absatzgrenze. Die Absätze werden dann durch eine Leerzeile getrennt und mit LF ausgegeben.

Mit einem Leerzeichen verbinden Sie bei Deutsch, Englisch und anderen Sprachen, die Wörter durch Leerzeichen trennen. Ohne Zeichen verbinden Sie bei Chinesisch, Japanisch und Thai, wo ein zusätzliches Leerzeichen mitten im Satz stünde. „Leerzeichen zusammenfassen“ macht aus doppelten und dreifachen Leerzeichen, die Blocksatz im PDF hinterlässt, einfache. Einen Bindestrich am Zeilenende lässt das Tool bewusst unangetastet: „Infor-“ gefolgt von „mation“ wird zu „Infor- mation“, denn nur ein Mensch kann ein getrenntes Wort von einem echten Bindestrich-Kompositum wie „Hals-Nasen-Ohren“ unterscheiden. Suchen Sie danach nach „- “, um solche Stellen zu korrigieren. Ist der bereinigte Text eine Liste, machen Sie mit Doppelte Zeilen entfernen weiter oder prüfen Sie die Länge im Wortzähler.