Perché il testo copiato da un PDF va a capo a ogni riga

Il testo copiato da un PDF va a capo a ogni riga perché un PDF non memorizza i paragrafi. Salva ogni riga visibile come un pezzo di testo separato, posizionato in un punto fisso della pagina, quindi quando copi il programma deve indovinare dove finisce davvero una frase. La maggior parte dei lettori indovina inserendo un a capo dove finiva la riga originale, e il tuo paragrafo si sgretola in decine di righe corte.

Correggi testo incollatoIl testo incollato ha righe spezzateUsalo gratis

Perché i PDF spezzano i paragrafi

Un elaboratore di testi salva un paragrafo come un unico lungo blocco di testo, e il motore di impaginazione lo fa andare a capo in base alla larghezza della pagina quando lo disegna. Un PDF funziona al contrario. Somiglia piuttosto a una serie di istruzioni di disegno: metti questa stringa di parole qui, metti la successiva là. Il punto in cui andare a capo è stato deciso al momento della creazione del file, e il file conserva le posizioni delle righe, non la struttura dei paragrafi.

Quando selezioni e copi, chi legge deve ricostruire un flusso di testo a partire da quelle posizioni. Molti programmi inseriscono un a capo alla fine di ogni riga visibile, e non sempre riescono a distinguere una fine riga all'interno di una frase dalla fine di un vero paragrafo. Il risultato sembra corretto sulla pagina e sbagliato in una casella di testo.

Altre tre cose peggiorano il problema:

• Fine riga con trattino. Una parola spezzata come "inter-" alla fine di una riga e "nazionale" all'inizio della successiva viene copiata come due pezzi con un a capo in mezzo. Alcuni programmi mantengono il trattino, altri lo tolgono, altri lasciano l'a capo.
• Colonne. Nei layout a due colonne la copia può prendere prima tutta la colonna di sinistra e poi quella di destra, oppure intercalare le righe di entrambe le colonne in un unico blocco.
• Intestazioni, piè di pagina e numeri di pagina. Vengono copiati nel mezzo di una frase quando un paragrafo attraversa un cambio pagina.

La soluzione

La correzione è una breve sequenza di regole, da applicare in ordine:

1. Unisci le righe che non chiudono una frase. Se una riga finisce con una lettera minuscola, una virgola o una parola senza punto, la riga successiva quasi sempre la continua.
2. Mantieni l'a capo dove l'originale aveva uno spazio tra paragrafi. Una riga che termina con punto, punto interrogativo o due punti, seguita da una riga corta o rientrata, spesso inizia un nuovo paragrafo.
3. Togli il trattino a fine riga solo quando divide una parola. "inter-" più "nazionale" diventa "internazionale". Un composto vero come "ben-" più "noto" deve diventare "ben noto" o "ben-noto", quindi verifica la parola unita nel contesto della frase.
4. Elimina intestazioni, piè di pagina e numeri di pagina che si ripetono una volta per pagina.

Ecco un esempio pratico. Questo è l'aspetto tipico di una copia:

The committee met on Tuesday to review
the budget. Three members asked for more
time, and the chair agreed to a short delay.

Dopo aver unito le righe che continuano una frase, il testo diventa:

The committee met on Tuesday to review the budget. Three members asked for more time, and the chair agreed to a short delay.

Incolla la copia in correggi testo incollato e le unioni vengono fatte in un solo passaggio. Poi controlla la presenza di caratteri invisibili arrivati con la copia. Rimuovi caratteri nascosti mostra cosa trova prima di modificare qualcosa, e la guida ai caratteri nascosti spiega da dove provengono.

Colonne e tabelle

Le colonne sono il caso più difficile. Il modo più sicuro è selezionare una colonna alla volta, invece di trascinare su entrambe. Se il PDF ha un unico ordine di lettura, copia l'intera pagina una volta sola e poi controlla la prima e l'ultima riga di ogni colonna. Se le parole delle due colonne risultano mescolate, dovrai copiare a pezzi.

Le tabelle sono peggio. Una tabella copiata da un PDF spesso esce con una cella per riga, quindi devi ricostruire le righe a mano oppure incollare in un foglio di calcolo usando una tabulazione o un separatore fisso. Per una tabella con più di poche righe, è più rapido usare uno strumento di estrazione del testo che mantiene le colonne, e poi ripulire il risultato.

Quando il PDF è una scansione

Se il PDF è una scansione, non c'è testo da copiare. Ogni pagina è un'immagine, quindi quello che vedi è tutto ciò che c'è. Ti serve prima un riconoscimento ottico dei caratteri (OCR). Crea un'immagine della pagina, poi leggila con lo strumento da immagine a testo, che funziona nel browser. L'OCR porta con sé errori suoi, come "rn" letto come "m" o "0" letto come "O", quindi controlla il testo riconosciuto con l'originale prima di fidarti. La guida su screenshot e foto spiega come ottenere una lettura più pulita.

Casi particolari

• Poesie, codice e indirizzi hanno a capo che contano. Unisci solo le righe che sono chiaramente andate a capo da sole, e lascia il resto com'è.
• Un a capo morbido (un semplice ritorno automatico) e uno rigido (un vero paragrafo) possono apparire identici una volta copiati. Leggi il primo paragrafo dopo la pulizia e correggi le unioni che sembrano sbagliate.
• Se il testo ripulito non corrisponde quando cerchi una parola che vedi, è probabile che la copia abbia portato con sé caratteri invisibili. Confronta la copia con l'originale per trovare le differenze.
• Se devi mantenere l'impaginazione originale, incolla in un editor di documenti con l'opzione "incolla come testo normale" invece di pulire a mano.

Come farlo con fixmint

1. Copia il testo dal PDF, oppure usa PDF in testo per estrarlo prima dal file.
2. Incollalo nel campo Testo incollato dello strumento correggi testo incollato.
3. Lascia attive Unisci le righe spezzate all'interno dei paragrafi e Ricomponi le parole divise da un trattino a fine riga, come sono di default. Attiva Raddrizza le virgolette curve se il testo viene da un elaboratore di testi, e Rimuovi le righe che contengono solo un numero di pagina se la copia include numeri di pagina.
4. Leggi la prima e l'ultima riga di ogni paragrafo. Lo strumento rimuove le righe con numeri di pagina ma non le intestazioni o i piè di pagina ripetuti, quindi eliminali a mano.
5. Copia il risultato, oppure usa Scarica .txt.

Risposte rapide

Perché il testo copiato da un PDF va a capo a ogni riga?

Un PDF salva ogni riga visibile come un pezzo di testo posizionato separatamente, quindi la copia conserva le fini riga. La soluzione è unire le righe che continuano una frase e mantenere gli a capo solo negli spazi tra veri paragrafi.

Come evito che le parole con trattino si spezzino?

Togli il trattino solo dove le due metà formano una sola parola, come "inter-" e "nazionale". Mantienilo nei composti veri come "ben-noto", che puoi verificare nel contesto della frase.

Posso copiare una tabella da un PDF in un foglio di calcolo?

Spesso sì, ma di solito solo con una copia separata da tabulazioni o a larghezza fissa. Per tabelle con molte righe, uno strumento di estrazione del testo che mantiene le colonne è più rapido che correggere ogni cella.