Видалити розриви рядків

PDF не зберігає абзаци. Він зберігає рядки тексту, розміщені у фіксованих позиціях на сторінці, тому під час копіювання кожен рядок надрукованої колонки зазвичай приходить зі своїм розривом. Звичайні текстові листи мають схожу історію: RFC 5322 обмежує рядок 998 символами й рекомендує не більше 78, тому багато поштових програм переносять рядки приблизно на 72–76 символах, і ці розриви залишаються, коли текст вставляють деінде. Так само поводяться вивід терміналу, субтитри, результати OCR і текст, скопійований з вузьких колонок на вебсторінках.

Після вставлення в документ, форму чи засіб перекладу ці розриви поділяють речення посередині й збивають з пантелику перевірку орфографії та машинний переклад. Об’єднання рядків відновлює речення, а збережені порожні рядки як роздільники зберігають структуру абзаців, яку мав на увазі автор.

Кінці рядків беруть початок від друкарських машинок і телетайпів, де повернення каретки (CR) переносило друкувальну головку до лівого поля, а перевід рядка (LF) просував папір на один рядок. Windows зберегла обидва символи, тож її текстові файли завершують кожен рядок парою CRLF; Unix, Linux і сучасна macOS використовують лише LF; класична Mac OS до OS X використовувала лише CR. Текст, що переходить між системами, часто містить суміш цих варіантів, тому файл в одному редакторі може виглядати з одинарними інтервалами, а в іншому — з подвійними або злитим в один рядок.

Цей інструмент сприймає всі три варіанти як розриви рядків, тож вам не потрібно знати, який із них у вашому тексті. Коли параметр абзаців увімкнено, порожній рядок або рядок лише з пробілів і табуляцій позначає межу абзацу; абзаци записуються назад, розділені одним порожнім рядком, із використанням LF.

Об’єднуйте через пробіл для української, англійської та інших мов, де слова розділяють пробілами; об’єднуйте без роздільника для китайської, японської та тайської, де зайвий пробіл опинився б посеред речення. Параметр стиснення пробілів перетворює подвійні й потрійні пробіли, що лишає після себе вирівняний за шириною текст із PDF, на одинарні. Одне інструмент свідомо не чіпає — дефіс наприкінці рядка: «infor-» і «mation» після об’єднання стане «infor- mation», бо лише людина відрізнить розірване слово від справжнього складного слова з дефісом, як-от «well-known». Потім знайдіть «- », щоб виправити такі місця. Якщо очищений текст є списком, продовжте з видаленням дублікатів рядків або перевірте його довжину в лічильнику слів.