切れ目だらけの PDF からコピーされたテキスト: 読みやすくする方法

メッセージに応答するためにレポートから段落をコピーしますが、各行は文の途中で終了します。テキストは単語の梯子のように見えます。この問題は、選択では論理的な段落ではなく、ページの視覚的なレイアウトが尊重されるために発生します。

どのブレークがエラーであるかを特定する

岸に着いたからといって切れたラインは、次のラインにつなげることができます。タイトルと段落の間、またはリスト内の項目間の分離は維持する必要があります。でクリアテキスト、変更を文書全体に適用する前に、1 つのコピーで調整を試してください。

また、コラージュの邪魔になる重複したスペース、タブ、目に見えない文字を探すことも重要です。非常に積極的な自動クリーンアップでは、2 つの単語を結合したり、住所、詩、レシピ、コード スニペットの構造を削除したりすることができます。

ハイフンは細かい点で注意が必要です

一部の PDF では、行末の単語がハイフンで分割されます。ラインを結合する場合、この標識を取り除く必要がある場合があります。固有名詞や複合表現など、他の状況では、ハイフンは用語の一部であり、そのままにする必要があります。テキストが重要な場合は、ケースバイケースで確認してください。

人間による最後の読み取りは依然として重要です

静かに結果を読み、句読点が奇妙に聞こえる箇所を確認してください。番号、参考文献、引用を含む抜粋を元の資料と比較します。出版物としてテキストを使用する場合は、出典を正確に示し、使用権を確認してください。クリーンなテキストは、書式設定前の意味に忠実でなければなりません。

段落は視覚的なラインではありません

図表化された文書から抽出されたテキストには、文の途中に人工的な区切りが含まれることがよくあります。これらをまとめると読みやすくなりますが、すべての区切りが消えるわけではありません。部品表、住所、詩などでは、行の区切りが意味を持つことがあります。すべてを無差別に削除すると、理解できる構造がわかりにくいブロックになってしまいます。

ドキュメント全体にクリーンアップを適用する前に、各タイプのスニペットをサンプリングします。また、奇妙な文字としてコピーされた記号や、通常のスペースのように反応しないスペースも探してください。ハイフンでつながれた用語の場合、元の用語と比較して、ハイフンが単語に属しているのか、単に行の分割に属しているのかを確認します。貼り付け先が出版物の場合は、貼り付け後に句読点や段落をもう一度見直してください。