Dlaczego tekst skopiowany z PDF łamie się w każdym wierszu

Tekst skopiowany z PDF łamie się w każdym wierszu, bo plik PDF nie zapisuje akapitów. Zapisuje każdy widoczny wiersz jako osobny fragment tekstu umieszczony w stałym miejscu strony, więc podczas kopiowania program musi zgadywać, gdzie naprawdę kończy się zdanie. Większość programów zgaduje, wstawiając znak nowego wiersza tam, gdzie kończył się oryginalny wiersz, i twój akapit rozpada się na kilkanaście krótkich linijek.

Popraw wklejony tekstWklejony tekst ma połamane wierszeZrób to za darmo

Dlaczego pliki PDF łamią akapity

Edytor tekstu zapisuje akapit jako jeden długi ciąg tekstu, a silnik układu zawija go do szerokości strony podczas rysowania. PDF działa odwrotnie. Jest bliższy zbiorowi poleceń rysowania: wstaw ten ciąg słów tutaj, a następny ciąg tam. Zawijanie wierszy zostało ustalone w chwili tworzenia pliku, a plik przechowuje położenie wierszy, a nie strukturę akapitów.

Gdy zaznaczysz i skopiujesz tekst, program musi odtworzyć przepływ tekstu z tych położeń. Wiele programów wstawia podział wiersza na końcu każdego widocznego wiersza i nie zawsze potrafi odróżnić koniec wiersza w środku zdania od końca prawdziwego akapitu. Na stronie wszystko wygląda dobrze, a w polu tekstowym źle.

Są jeszcze trzy rzeczy, które to pogarszają:

• Dzielenie wyrazów na końcu wiersza. Wyraz rozdzielony jako „inter-” na końcu jednego wiersza i „national” na początku następnego zostaje skopiowany jako dwa fragmenty z podziałem między nimi. Jedne programy zostawiają myślnik, inne go usuwają, a jeszcze inne zostawiają podział.
• Kolumny. Dwukolumnowy układ może skopiować najpierw całą lewą kolumnę, a potem prawą, albo przeplatać wiersze obu kolumn w jednym ciągu.
• Nagłówki, stopki i numery stron. Trafiają one w środek zdania, gdy akapit przechodzi przez podział strony.

Naprawa

Naprawa to krótka sekwencja reguł stosowanych po kolei:

1. Łącz wiersze, które nie kończą zdania. Jeśli wiersz kończy się małą literą, przecinkiem albo wyrazem bez kropki, następny wiersz niemal zawsze go kontynuuje.
2. Zachowaj podział tam, gdzie w oryginale był odstęp między akapitami. Wiersz kończący się kropką, znakiem zapytania lub dwukropkiem, po którym następuje krótki lub wcięty wiersz, często zaczyna nowy akapit.
3. Usuń myślnik na końcu wiersza tylko wtedy, gdy dzieli on jeden wyraz. „inter-” i „national” tworzą „international”. Prawdziwy wyraz złożony, np. „well-” i „known”, powinien zostać jako „well-known”, więc sprawdź połączony wyraz w kontekście zdania.
4. Usuń powtarzające się nagłówki, stopki i numery stron, które pojawiają się raz na każdej stronie.

Oto przykład. Tak często wygląda kopia:

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

Po połączeniu wierszy kontynuujących zdanie tekst wygląda tak:

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

Wklej kopię do narzędzia Popraw wklejony tekst, a połączenia wykonają się za jednym razem. Następnie sprawdź, czy wraz z kopią nie przyszły niewidoczne znaki. Usuwanie ukrytych znaków pokazuje, co znalazło, zanim cokolwiek zmieni, a poradnik o ukrytych znakach wyjaśnia, skąd się biorą.

Kolumny i tabele

Kolumny to najtrudniejszy przypadek. Najbezpieczniej jest zaznaczać jedną kolumnę naraz, zamiast przeciągać przez obie. Jeśli PDF ma jeden logiczny porządek czytania, skopiuj całą stronę raz i sprawdź pierwszy oraz ostatni wiersz każdej kolumny. Jeśli wyrazy z obu kolumn są pomieszane, będziesz musiał kopiować po kawałkach.

Tabele są jeszcze gorsze. Tabela skopiowana z PDF często trafia do schowka jako jedna komórka w wierszu, więc trzeba samodzielnie odtworzyć wiersze albo wkleić dane do arkusza kalkulacyjnego, używając tabulatora lub stałego separatora. Przy tabeli z większą liczbą wierszy szybciej jest użyć narzędzia do wyodrębniania tekstu, które zachowuje kolumny, a potem oczyścić wynik.

Gdy PDF jest skanem

Jeśli PDF jest skanem, nie ma czego kopiować. Każda strona to obraz, więc to, co widzisz, to wszystko, co jest. Najpierw potrzebujesz rozpoznawania tekstu (OCR). Zrób obraz strony, a potem odczytaj go narzędziem Obraz na tekst, które działa w przeglądarce. OCR wprowadza własne błędy, np. „rn” odczytane jako „m” albo „0” jako „O”, więc przed użyciem tekstu porównaj rozpoznany tekst z oryginałem. Poradnik o zrzutach ekranu i zdjęciach pokazuje, jak uzyskać lepsze rozpoznanie.

Przypadki szczególne

• Wiersze w wierszach, kod i adresy mają podziały, które mają znaczenie. Łącz tylko te wiersze, które są wyraźnie zawinięte, a resztę zostaw bez zmian.
• Miękki enter (zawinięcie) i twardy enter (prawdziwy akapit) mogą po skopiowaniu wyglądać identycznie. Przeczytaj pierwszy akapit po oczyszczeniu i popraw połączenia, które wyglądają źle.
• Jeśli oczyszczony tekst nie zawiera wyrazu, który widzisz w dokumencie i wyszukujesz, kopia prawdopodobnie przyniosła niewidoczne znaki. Porównaj tekst z oryginałem, aby znaleźć różnice.
• Jeśli chcesz zachować oryginalny układ, wklej kopię do edytora dokumentów z opcją „wklej jako zwykły tekst” zamiast czyścić ją ręcznie.

Jak to zrobić w fixmint

1. Skopiuj tekst z PDF albo najpierw uruchom PDF na tekst, żeby wydobyć tekst z pliku.
2. Wklej go w polu Wklejony tekst narzędzia Popraw wklejony tekst.
3. Zostaw zaznaczone Łącz zerwane wiersze wewnątrz akapitów oraz Scalaj wyrazy rozdzielone myślnikiem na końcu wiersza, tak jak jest domyślnie. Zaznacz Wyprostuj cudzysłowy, jeśli tekst pochodzi z edytora tekstu, oraz Usuń wiersze zawierające tylko numer strony, jeśli kopia zawiera numery stron.
4. Przeczytaj pierwszy i ostatni wiersz każdego akapitu. Narzędzie usuwa wiersze z numerami stron, ale nie powtarzające się nagłówki ani stopki, więc te usuń ręcznie.
5. Skopiuj wynik albo użyj opcji Pobierz .txt.

Szybkie odpowiedzi

Dlaczego skopiowany tekst z PDF ma podział wiersza po każdym wierszu?

PDF zapisuje każdy widoczny wiersz jako osobny fragment tekstu z położeniem, więc kopia zachowuje końce wierszy. Naprawa polega na łączeniu wierszy, które kontynuują zdanie, i zachowywaniu podziałów tylko w prawdziwych odstępach między akapitami.

Jak sprawić, żeby wyrazy z myślnikiem się nie rozdzielały?

Usuń myślnik tylko wtedy, gdy obie części tworzą jeden wyraz, np. „inter-” i „national”. W prawdziwych wyrazach złożonych, np. „well-known”, zostaw myślnik i sprawdź wyraz w kontekście zdania.

Czy mogę skopiować tabelę z PDF do arkusza kalkulacyjnego?

Często tak, ale zwykle tylko wtedy, gdy kopia jest oddzielona tabulatorami albo ma stałą szerokość kolumn. Przy tabelach z wieloma wierszami szybciej jest użyć narzędzia do wyodrębniania tekstu, które zachowuje kolumny, niż poprawiać każdą komórkę osobno.