Удалить переносы строк

Как исправить переносы

1. 1

   Вставьте испорченный текст

   Или перетащите файл .txt или .md размером до 5 МБ.

2. 2

   Выберите действие

   Объединение в абзацы включено по умолчанию — именно оно чинит текст после копирования из PDF.

3. 3

   Скопируйте или скачайте

   Один клик — в буфер обмена, другой — в файл .txt.

Почему текст из PDF получается рваным

PDF не хранит абзацы. В нем записано только положение каждого фрагмента текста на странице. Когда вы что-то копируете, программа просмотра сама восстанавливает порядок чтения, ставя перенос строки в конце каждой видимой строки. Если вставить это в редактор со своим переносом строк, получится неровная колонка с разрывом каждые восемь–девять слов. Исправление — склеить строки внутри одного абзаца и оставить пустую строку между абзацами. Это и делает режим по умолчанию: он не сливает все в одну строку, а аккуратно восстанавливает абзацы.

Как убрать переносы по слогам и не сломать настоящие дефисы

PDF нередко переносит слова по слогам через дефис, и «understand» превращается в «under-» и «stand» на следующей строке. Если просто удалять каждый дефис перед переносом строки, пострадают «well-known», «twenty-four» и любые другие нормальные сложные слова, которые случайно попали на конец строки. Здесь используется правило: по обе стороны дефиса должна быть строчная буква. В переносах по слогам она всегда есть, а в сложных словах очень часто с одной стороны стоит заглавная буква или цифра. Метод не идеален, но гораздо точнее наивного варианта «стереть все дефисы перед переносом строки».

По одному предложению на строку

Другая задача с тем же исходником: вместо склейки строк разнести каждое предложение на отдельную строку. Это удобно перед сравнением двух версий документа, перед загрузкой текста в систему памяти переводов или когда вы просматриваете текст построчно. Чтобы найти конец предложения, нужно корректно обработать «Dr. Smith», «e.g.» и «3.14». Эта страница делает это тем же правилом, что и счетчик слов, а не режет текст по каждой точке.

Перенос по фиксированной ширине

Обратная операция: взять сплошной текст и разорвать его по фиксированной ширине, как того требуют простые текстовые письма, сообщения коммитов и комментарии в коде. Перенос делается жадно и с учетом слов: если слово длиннее заданной ширины, оно идет на отдельную строку и не разрезается пополам. Разорванная ссылка перестает быть ссылкой, а разорванный идентификатор в коде — идентификатором.

Невидимые символы

Текст из PDF и с сайтов часто содержит мягкие переносы и пробелы нулевой ширины. Эти символы не видны, но переживают копирование и потом незаметно ломают поиск, подсчет длины строки и сравнение слов. Здесь они удаляются до всего остального. Если вы когда-нибудь удивлялись, почему поиск не находит слово, которое явно есть в тексте, причина обычно в них.

Частые вопросы