Eliminare rânduri noi

Un PDF nu stochează paragrafe. Stochează linii de text plasate în poziții fixe pe pagină, așa că atunci când copiați din el, fiecare linie a coloanei tipărite ajunge de obicei cu propria ei întrerupere de rând. E-mailul în text simplu are o istorie asemănătoare: RFC 5322 limitează o linie la 998 de caractere și recomandă cel mult 78, așa că multe programe de e-mail rup mesajele la aproximativ 72–76 de caractere, iar întreruperile rămân când textul este lipit în altă parte. Ieșirea din terminal, subtitrările, rezultatele OCR și textul copiat din coloane web înguste se comportă la fel.

Lipite într-un document, într-un formular sau într-un instrument de traducere, aceste întreruperi taie propozițiile la mijloc și încurcă verificatoarele ortografice și traducerea automată. Unirea liniilor reface propozițiile, iar păstrarea rândurilor goale ca separatori păstrează structura de paragrafe pe care a intenționat-o autorul.

Terminațiile de rând provin de la mașinile de scris și teleimprimatoare, unde returul de car (CR) aducea capul de scriere înapoi la marginea din stânga, iar avansul de rând (LF) muta hârtia cu o linie. Windows a păstrat ambele caractere, așa că fișierele lui text încheie fiecare linie cu CRLF; Unix, Linux și macOS modern folosesc doar LF; Mac OS clasic, dinainte de OS X, folosea doar CR. Textul care circulă între sisteme le amestecă adesea, de aceea un fișier poate arăta cu rânduri simple într-un editor și cu rânduri duble sau lipite într-altul.

Acest instrument le tratează pe toate trei drept întreruperi de rând, deci nu trebuie să știți care dintre ele apare în textul dvs. Cu opțiunea pentru paragrafe activată, o linie goală sau care conține doar spații și tab-uri marchează granița dintre paragrafe; paragrafele sunt scrise la loc, separate printr-un rând gol, cu LF.

Uniți cu spațiu pentru română, engleză și alte limbi scrise cu spații între cuvinte; uniți fără nimic pentru chineză, japoneză și thailandeză, unde un spațiu în plus ar apărea în mijlocul propoziției. Reducerea spațiilor transformă spațiile duble și triple rămase din textul justificat al PDF-urilor în spații simple. Un singur lucru lasă instrumentul intenționat neatins: cratima de la capăt de rând. „infor-” urmat de „mație” devine „infor- mație”, pentru că numai o persoană poate deosebi un cuvânt rupt de un compus real cu cratimă, precum „bine-cunoscut”. Căutați apoi „- ” pentru a le corecta. Dacă textul curățat este o listă, continuați cu Eliminare linii duplicate sau verificați lungimea lui în Numărător de cuvinte.