ทำไมข้อความที่คัดลอกจาก PDF ถึงขึ้นบรรทัดใหม่ทุกบรรทัด

ข้อความที่คัดลอกจาก PDF มักขึ้นบรรทัดใหม่ทุกบรรทัดเพราะ PDF ไม่ได้เก็บข้อมูลว่าอะไรคือย่อหน้า แต่เก็บทุกบรรทัดที่มองเห็นเป็นข้อความชิ้นแยกกัน วางไว้ที่ตำแหน่งคงที่บนหน้ากระดาษ เมื่อคัดลอก โปรแกรมจึงต้องเดาว่าประโยคจบตรงไหนจริง ๆ ส่วนใหญ่จะเดาด้วยการขึ้นบรรทัดใหม่ตรงจุดที่บรรทัดเดิมจบ ผลคือย่อหน้าแตกเป็นบรรทัดสั้น ๆ นับสิบบรรทัด

แก้ข้อความที่วางมาข้อความที่วางมามีบรรทัดขาดช่วงใช้ฟรี

ทำไม PDF ถึงทำให้ย่อหน้าแตก

โปรแกรมประมวลผลคำเก็บย่อหน้าเป็นข้อความยาวต่อเนื่องหนึ่งชุด แล้วระบบจัดหน้าจะตัดคำให้พอดีกับความกว้างของหน้าตอนแสดงผล PDF ทำงานกลับด้าน มันใกล้เคียงกับชุดคำสั่งวาดภาพมากกว่า คือวางข้อความชุดนี้ตรงนี้ แล้ววางชุดถัดไปตรงนั้น การตัดบรรทัดถูกกำหนดไว้ตั้งแต่ตอนสร้างไฟล์ และไฟล์เก็บตำแหน่งของแต่ละบรรทัดไว้ ไม่ได้เก็บโครงสร้างของย่อหน้า

เมื่อคุณเลือกและคัดลอก โปรแกรมอ่านต้องสร้างลำดับข้อความขึ้นใหม่จากตำแหน่งเหล่านั้น โปรแกรมส่วนใหญ่จะใส่การขึ้นบรรทัดใหม่ทุกท้ายบรรทัดที่มองเห็น และมักแยกไม่ออกว่าท้ายบรรทัดนั้นอยู่กลางประโยคหรือเป็นจุดจบของย่อหน้าจริง ๆ ผลลัพธ์ดูถูกต้องบนหน้ากระดาษ แต่ผิดเมื่อวางในกล่องข้อความ

มีอีกสามอย่างที่ทำให้ปัญหาหนักขึ้น:

• คำที่ถูกตัดด้วยขีด คำที่ตัดเป็น "inter-" ท้ายบรรทัดหนึ่ง และ "national" ต้นอีกบรรทัด จะถูกคัดลอกเป็นสองชิ้นพร้อมการขึ้นบรรทัดใหม่คั่นกลาง โปรแกรมบางตัวเก็บขีดไว้ บางตัวตัดทิ้ง และบางตัวปล่อยให้ขึ้นบรรทัดใหม่ตามเดิม
• การแบ่งคอลัมน์ เลย์เอาต์สองคอลัมน์อาจคัดลอกคอลัมน์ซ้ายทั้งหมดก่อนแล้วค่อยเป็นคอลัมน์ขวา หรืออาจสลับบรรทัดของทั้งสองคอลัมน์เข้าด้วยกันในชุดเดียว
• หัวกระดาษ ท้ายกระดาษ และเลขหน้า ส่วนนี้จะถูกคัดลอกไปแทรกกลางประโยค เมื่อย่อหน้ายาวข้ามหน้า

วิธีแก้

การแก้ไขทำได้ด้วยชุดกฎสั้น ๆ ที่ใช้ตามลำดับ ดังนี้

1. เชื่อมบรรทัดที่ไม่ได้จบประโยค ถ้าบรรทัดจบด้วยตัวพิมพ์เล็ก เครื่องหมายจุลภาค หรือคำที่ไม่มีจุดจบประโยค บรรทัดถัดไปมักเป็นส่วนต่อของประโยคเสมอ
2. เก็บการขึ้นบรรทัดใหม่ตรงที่ต้นฉบับมีช่องว่างระหว่างย่อหน้า บรรทัดที่จบด้วยจุด เครื่องหมายคำถาม หรือโคลอน แล้วตามด้วยบรรทัดสั้นหรือย่อหน้าที่เยื้องเข้ามา มักขึ้นย่อหน้าใหม่
3. ลบขีดท้ายบรรทัดเฉพาะเมื่อขีดนั้นแบ่งคำเดียว "inter-" รวมกับ "national" จะกลายเป็น "international" ส่วนคำประสมจริง เช่น "well-" รวมกับ "known" ควรได้ "well-known" จึงควรตรวจคำที่เชื่อมแล้วกับบริบทของประโยคก่อนเสมอ
4. ลบหัวกระดาษ ท้ายกระดาษ และเลขหน้าที่ปรากฏซ้ำทุกหน้า

นี่คือตัวอย่างประกอบ ข้อความที่คัดลอกมามักเป็นแบบนี้:

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

เมื่อเชื่อมบรรทัดที่เป็นส่วนต่อของประโยคแล้ว จะอ่านได้ดังนี้

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

วางข้อความที่คัดลอกลงใน แก้ข้อความที่วางมา แล้วการเชื่อมบรรทัดจะเสร็จในครั้งเดียว จากนั้นตรวจหาอักขระที่มองไม่เห็นซึ่งติดมากับข้อความที่คัดลอก ลบอักขระที่มองไม่เห็น จะแสดงสิ่งที่พบก่อนจะแก้ไขอะไร ส่วน คู่มืออักขระที่มองไม่เห็น อธิบายว่าอักขระเหล่านี้มาจากไหน

คอลัมน์และตาราง

คอลัมน์เป็นกรณีที่ยากที่สุด วิธีที่ปลอดภัยที่สุดคือเลือกคัดลอกทีละคอลัมน์ ไม่ใช่ลากคลุมทั้งสองคอลัมน์ ถ้า PDF มีลำดับการอ่านเดียว ให้คัดลอกทั้งหน้าครั้งเดียว แล้วตรวจบรรทัดแรกและบรรทัดสุดท้ายของแต่ละคอลัมน์ ถ้าคำจากสองคอลัมน์ปนกันอยู่ คุณต้องคัดลอกเป็นส่วน ๆ

ตารางยิ่งยุ่งกว่า ตารางที่คัดลอกจาก PDF มักออกมาเป็นหนึ่งเซลล์ต่อหนึ่งบรรทัด คุณจึงต้องจัดแถวเองใหม่ หรือวางลงในสเปรดชีตโดยใช้แท็บหรือตัวคั่นที่กำหนดไว้แน่นอน ถ้าตารางมีหลายแถว การใช้เครื่องมือดึงข้อความที่รักษาคอลัมน์ไว้แล้วค่อยทำความสะอาดผลลัพธ์จะเร็วกว่า

เมื่อ PDF เป็นไฟล์สแกน

ถ้า PDF เป็นไฟล์สแกน จะไม่มีข้อความให้คัดลอก แต่ละหน้าเป็นภาพ สิ่งที่คุณเห็นคือทั้งหมดที่มี คุณจึงต้องใช้การจดจำอักขระด้วยแสง (OCR) ก่อน ให้บันทึกหน้านั้นเป็นภาพ แล้วอ่านด้วยเครื่องมือแปลงรูปเป็นข้อความ ซึ่งทำงานในเบราว์เซอร์ของคุณ OCR ก็มีข้อผิดพลาดของตัวเอง เช่น "rn" ถูกอ่านเป็น "m" หรือ "0" ถูกอ่านเป็น "O" ดังนั้นควรตรวจข้อความที่จดจำได้เทียบกับต้นฉบับก่อนนำไปใช้ คู่มือการคัดลอกข้อความจากภาพหน้าจอหรือรูปถ่าย จะอธิบายวิธีให้ได้ผลอ่านที่สะอาดขึ้น

กรณีพิเศษ

• บทกลอน โค้ด และที่อยู่ มีการขึ้นบรรทัดใหม่ที่สำคัญ ให้เชื่อมเฉพาะบรรทัดที่ตัดมาชัดเจนว่าเป็นการตัดคำ และปล่อยส่วนที่เหลือไว้ตามเดิม
• การขึ้นบรรทัดแบบอ่อน (การตัดบรรทัด) และการขึ้นบรรทัดแบบแข็ง (ย่อหน้าจริง) อาจดูเหมือนกันทุกประการหลังคัดลอก ให้อ่านย่อหน้าแรกหลังทำความสะอาด แล้วแก้จุดเชื่อมที่ดูผิด
• ถ้าเมื่อค้นหาคำที่คุณเห็นอยู่ในข้อความที่ทำความสะอาดแล้วหาไม่เจอ แสดงว่าการคัดลอกน่าจะพาอักขระที่มองไม่เห็นติดมาด้วย เปรียบเทียบข้อความที่คัดลอก กับต้นฉบับเพื่อหาความแตกต่าง
• ถ้าต้องการรักษาเลย์เอาต์เดิม ให้วางลงในโปรแกรมแก้ไขเอกสารที่มีตัวเลือก "วางเป็นข้อความธรรมดา" แทนการทำความสะอาดด้วยมือ

วิธีทำด้วย fixmint

1. คัดลอกข้อความจาก PDF หรือใช้PDF เป็นข้อความ เพื่อดึงข้อความออกจากไฟล์ก่อน
2. วางข้อความลงในช่อง ข้อความที่วาง ของเครื่องมือแก้ข้อความที่วางมา
3. ปล่อยให้ตัวเลือก เชื่อมบรรทัดที่ขาดในย่อหน้า และ ต่อคำที่ถูกตัดด้วยขีดท้ายบรรทัด ติ๊กไว้ตามค่าเริ่มต้น ติ๊ก แปลงเครื่องหมายคำพูดโค้งให้ตรง ถ้าข้อความมาจากโปรแกรมประมวลผลคำ และติ๊ก ลบบรรทัดที่มีแค่เลขหน้า ถ้าข้อความที่คัดลอกมามีเลขหน้าติดมา
4. อ่านบรรทัดแรกและบรรทัดสุดท้ายของแต่ละย่อหน้า เครื่องมือจะลบบรรทัดเลขหน้าให้ แต่ไม่ลบหัวกระดาษหรือท้ายกระดาษที่ซ้ำกัน จึงต้องลบเองด้วยมือ
5. คัดลอกผลลัพธ์ หรือกด ดาวน์โหลด .txt

คำถามที่พบบ่อย

ทำไมข้อความที่คัดลอกจาก PDF ถึงมีการขึ้นบรรทัดใหม่ทุกบรรทัด

PDF เก็บแต่ละบรรทัดที่มองเห็นเป็นข้อความชิ้นแยกที่มีตำแหน่งกำกับ การคัดลอกจึงคงจุดจบของบรรทัดไว้ วิธีแก้คือเชื่อมบรรทัดที่เป็นส่วนต่อของประโยค และเก็บการขึ้นบรรทัดใหม่ไว้เฉพาะตรงช่องว่างระหว่างย่อหน้าจริง

ทำอย่างไรไม่ให้คำที่มีขีดถูกตัดแยก

ลบขีดเฉพาะเมื่อสองส่วนประกอบกันเป็นคำเดียว เช่น "inter-" กับ "national" ส่วนคำประสมจริง เช่น "well-known" ให้คงขีดไว้ และตรวจกับบริบทของประโยค

คัดลอกตารางจาก PDF ลงสเปรดชีตได้ไหม

ได้บ่อยครั้ง แต่มักต้องใช้การคัดลอกแบบคั่นด้วยแท็บหรือความกว้างคงที่ สำหรับตารางที่มีหลายแถว การใช้เครื่องมือดึงข้อความที่รักษาคอลัมน์ไว้จะเร็วกว่าการแก้ทีละเซลล์