Regeleinden verwijderen

Een PDF slaat geen alinea's op. Het bestand bevat regels tekst op vaste posities op een pagina, dus als u eruit kopieert, komt elke regel van de gedrukte kolom meestal met een eigen regeleinde binnen. Platte-tekst-e-mail heeft een vergelijkbare achtergrond: RFC 5322 beperkt een regel tot 998 tekens en adviseert maximaal 78, waardoor veel mailprogramma's berichten afbreken bij ongeveer 72 tot 76 tekens, en die regeleinden blijven staan als de tekst ergens anders wordt geplakt. Terminaluitvoer, ondertitels, OCR-resultaten en tekst uit smalle webkolommen gedragen zich hetzelfde.

Als u zulke tekst in een document, formulier of vertaaltool plakt, knippen die regeleinden zinnen midden door en raken spellingcontrole en automatische vertaling in de war. Door de regels samen te voegen krijgt u weer hele zinnen, en lege regels als scheiding behouden de alinea-opbouw die de schrijver bedoelde.

Regeleinden stammen van typemachines en telexapparaten, waar een carriage return (CR) de printkop terugzette naar de linkermarge en een line feed (LF) het papier één regel opschoof. Windows bewaarde beide tekens, dus tekstbestanden daar eindigen elke regel met CRLF; Unix, Linux en moderne macOS gebruiken alleen LF; het klassieke Mac OS vóór OS X gebruikte alleen CR. Tekst die tussen systemen wordt uitgewisseld bevat vaak een mengeling, en daarom kan een bestand in de ene editor enkelvoudig regelafstand lijken en in een andere dubbel of juist aaneengeplakt.

Deze tool behandelt alle drie als regeleinden, dus u hoeft niet te weten welke in uw tekst zit. Met de alinea-optie aan markeert een lege regel, of een regel met alleen spaties en tabs, een alinea-grens; de alinea's worden weer teruggeschreven met één lege regel ertussen, met LF.

Voeg samen met een spatie voor Nederlands en andere talen waarin woorden door spaties worden gescheiden; voeg samen met niets voor Chinees, Japans en Thai, waar een extra spatie midden in een zin zou staan. Met spaties samenvoegen worden dubbele en driedubbele spaties, achtergelaten door uitgevulde PDF-tekst, teruggebracht tot enkele. Eén ding laat de tool bewust met rust: een afbreekstreepje aan het einde van een regel. "infor-" gevolgd door "matie" wordt "infor- matie", omdat alleen een mens een afgebroken woord kan onderscheiden van een echte samenstelling met koppelteken zoals "zwart-wit". Zoek daarna op "- " om die te herstellen. Is de opgeschoonde tekst een lijst, ga dan verder met dubbele regels verwijderen, of controleer de lengte met de woordenteller.