去除换行符

PDF 并不保存“段落”，它保存的是放在页面固定位置上的一行行文字，所以从中复制时，印刷版面里的每一行通常都会带着自己的换行符。纯文本电子邮件也有类似的来历：RFC 5322 规定每行最多 998 个字符，并建议不超过 78 个字符，因此许多邮件程序会在 72 到 76 个字符左右自动折行，把文本粘贴到别处后，这些换行依然存在。终端输出、字幕、OCR 识别结果以及从窄栏网页复制的文本也是同样的情况。

把这样的文本粘贴到文档、表单或翻译工具里，换行会把句子从中间截断，让拼写检查和机器翻译出错。合并行可以还原完整的句子，而保留空行作为分隔，则能保住作者原本的段落结构。

换行符的来历要追溯到打字机和电传打字机：回车（CR）让打印头回到左边距，换行（LF）让纸张前进一行。Windows 同时保留了这两个字符，所以它的文本文件每行以 CRLF 结尾；Unix、Linux 和现代 macOS 只用 LF；OS X 之前的经典 Mac OS 只用 CR。文本在不同系统之间流转时，这几种换行符常常混在一起，所以同一个文件在这个编辑器里看起来是单倍行距，换到另一个编辑器里却变成了双倍行距，或者所有内容挤在一起。

本工具把这三种都当作换行符处理，因此你无需知道文本里用的是哪一种。开启段落选项后，空行或只含空格和制表符的行会被视为段落分界；各段落写回时以一个空行分隔，并使用 LF。

英语等词与词之间有空格的语言，请选择用空格连接；中文、日语和泰语请选择不加任何字符连接，否则句子中间会多出一个空格。“合并空格”会把两端对齐的 PDF 文本中遗留的两个或三个连续空格变成单个空格。有一点工具是有意不处理的：行尾的连字符。“infor-”后面接“mation”会变成“infor- mation”，因为只有人才能分辨这是被断开的单词，还是像“well-known”这样真正带连字符的复合词。处理完后请搜索“- ”来修正这些地方。如果清理后的文本是一份列表，可以继续使用删除重复行，或在字数统计中查看它的长度。