Xóa ngắt dòng

PDF không lưu các đoạn văn. Nó lưu từng dòng chữ đặt ở vị trí cố định trên trang, nên khi sao chép, mỗi dòng của cột in thường kéo theo một dấu ngắt dòng riêng. Email văn bản thuần cũng có nguồn gốc tương tự: RFC 5322 giới hạn mỗi dòng tối đa 998 ký tự và khuyến nghị không quá 78, vì vậy nhiều chương trình thư tự ngắt dòng ở khoảng 72 đến 76 ký tự, và các dấu ngắt này vẫn còn khi dán văn bản sang nơi khác. Kết quả từ terminal, phụ đề, kết quả OCR và văn bản sao chép từ các cột web hẹp cũng hoạt động như vậy.

Khi dán vào tài liệu, biểu mẫu hay công cụ dịch, các dấu ngắt này cắt câu ở giữa và làm trình kiểm tra chính tả lẫn dịch máy bị nhầm. Nối các dòng lại sẽ khôi phục câu văn, còn giữ các dòng trống làm dấu phân cách sẽ bảo toàn cấu trúc đoạn mà tác giả muốn có.

Ký tự kết thúc dòng bắt nguồn từ máy đánh chữ và máy điện báo, trong đó carriage return (CR) đưa đầu in về lề trái còn line feed (LF) đẩy giấy lên một dòng. Windows giữ cả hai ký tự nên các tệp văn bản của nó kết thúc mỗi dòng bằng CRLF; Unix, Linux và macOS hiện đại chỉ dùng LF; Mac OS cổ điển trước OS X chỉ dùng CR. Văn bản chuyển qua lại giữa các hệ thống thường bị lẫn cả ba kiểu, vì vậy một tệp có thể hiển thị cách dòng đơn trong trình soạn thảo này nhưng lại cách dòng đôi hoặc dính liền trong trình soạn thảo khác.

Công cụ này coi cả ba kiểu là dấu ngắt dòng, nên bạn không cần biết văn bản của mình dùng kiểu nào. Khi bật tùy chọn giữ đoạn, một dòng trống hoặc chỉ chứa dấu cách và tab sẽ đánh dấu ranh giới giữa các đoạn; các đoạn được ghi lại cách nhau bằng một dòng trống, dùng LF.

Hãy nối bằng dấu cách với tiếng Anh, tiếng Việt và các ngôn ngữ viết có khoảng cách giữa các từ; nối không có gì với tiếng Trung, tiếng Nhật và tiếng Thái, vì thêm dấu cách sẽ nằm giữa câu. Tùy chọn gộp dấu cách biến các dấu cách đôi, cách ba do văn bản PDF căn đều hai bên để lại thành một dấu cách. Công cụ cố ý không đụng đến dấu gạch nối ở cuối dòng: "infor-" theo sau là "mation" sẽ thành "infor- mation", vì chỉ con người mới phân biệt được từ bị ngắt với từ ghép có gạch nối thật như "well-known". Sau đó hãy tìm "- " để sửa các trường hợp này. Nếu văn bản sau khi làm sạch là một danh sách, hãy tiếp tục với Xóa dòng trùng lặp, hoặc kiểm tra độ dài bằng Đếm từ.