Remover quebras de linha

Um PDF não guarda parágrafos. Ele guarda linhas de texto posicionadas em pontos fixos da página, então, ao copiar o conteúdo, cada linha da coluna impressa costuma chegar com a sua própria quebra. O e-mail em texto simples tem uma história parecida: a RFC 5322 limita a linha a 998 caracteres e recomenda no máximo 78, por isso muitos programas de e-mail quebram as mensagens em torno de 72 a 76 caracteres, e essas quebras permanecem quando o texto é colado em outro lugar. Saídas de terminal, legendas, resultados de OCR e textos copiados de colunas estreitas de sites se comportam do mesmo jeito.

Coladas em um documento, em um formulário ou em um tradutor, essas quebras cortam as frases no meio e confundem corretores ortográficos e a tradução automática. Juntar as linhas restaura as frases, e manter as linhas em branco como separadores preserva a estrutura de parágrafos que o autor pretendia.

As quebras de linha vêm das máquinas de escrever e dos teletipos, em que o retorno de carro (CR) levava a cabeça de impressão de volta à margem esquerda e o avanço de linha (LF) puxava o papel uma linha. O Windows manteve os dois caracteres, então seus arquivos de texto terminam cada linha com CRLF; Unix, Linux e o macOS moderno usam apenas LF; o Mac OS clássico, anterior ao OS X, usava apenas CR. Textos que passam de um sistema para outro costumam misturar os três, e por isso um arquivo pode aparecer com espaçamento simples em um editor e com espaçamento duplo, ou tudo emendado, em outro.

Esta ferramenta trata os três como quebras de linha, então você não precisa saber qual deles o seu texto contém. Com a opção de parágrafos ativada, uma linha vazia ou com apenas espaços e tabulações marca o limite de um parágrafo; os parágrafos são gravados de volta separados por uma linha em branco, usando LF.

Junte com espaço para o português, o inglês e outros idiomas escritos com espaços entre as palavras; junte sem nada para chinês, japonês e tailandês, em que um espaço extra ficaria no meio da frase. Recolher espaços transforma em um só os espaços duplos e triplos deixados pelo texto justificado de PDFs. Uma coisa que a ferramenta deixa de propósito como está é o hífen no fim da linha: "infor-" seguido de "mação" vira "infor- mação", porque só uma pessoa consegue distinguir uma palavra partida de um composto com hífen de verdade, como "guarda-chuva". Depois, procure por "- " para corrigir esses casos. Se o texto limpo for uma lista, continue com Remover linhas duplicadas ou confira o tamanho dele no Contador de palavras.