Text kopierad från PDF full av pauser: hur man gör den läsbar

Du kopierar ett stycke från en rapport för att svara på ett meddelande, men varje rad slutar i mitten av en mening. Texten ser ut som en stege av ord. Det här problemet uppstår eftersom urvalet kan respektera sidans visuella layout, inte de logiska styckena.

Identifiera vilka avbrott som är fel

En linje som brutits bara för att den nådde stranden kan sammanfogas med nästa. Separationen mellan rubrik och stycke, eller mellan poster i en lista, måste bevaras. ITydlig text, prova justeringar på en kopia innan du tillämpar ändringar på hela dokumentet.

Det är också värt att leta efter dubbletter av mellanslag, flikar och osynliga tecken som kommer i vägen för ett collage. Mycket aggressiva automatiska rensningar kan sammanfoga två ord eller ta bort strukturen av adresser, dikter, recept och kodavsnitt.

Bindestreck är en knepig detalj

Vissa PDF-filer delar upp ett ord i slutet av raden med ett bindestreck. Vid sammanfogning av linjerna kan det vara nödvändigt att ta bort denna skylt. I andra situationer är bindestrecket en del av termen och måste stanna, till exempel i egennamn eller sammansatta uttryck. Kontrollera från fall till fall när text är viktig.

En sista mänsklig läsning räknas fortfarande

Läs resultatet tyst och se var skiljetecken låter konstigt. Jämför utdrag som innehåller siffror, referenser och citat med originalmaterialet. Om du använder texten för publicering, tillskriv källan korrekt och kontrollera användningsrättigheterna. En ren text måste förbli trogen den innebörd den hade innan formateringen.

Ett stycke är inte en visuell rad

Texter som extraherats från dokument med diagram innehåller ofta konstgjorda pauser mitt i meningar. Att sätta ihop dem förbättrar läsningen, men varje paus bör inte försvinna. I stycklistor, adresser och dikter kan radseparation ha betydelse. Om du tar bort allt urskillningslöst förvandlar du en begriplig struktur till ett förvirrande block.

Prova ett utdrag av varje typ innan du tillämpar rensning på hela dokumentet. Leta också efter symboler som kopierats som konstiga tecken och mellanslag som inte svarar som vanliga mellanslag. När det gäller bindestreck, jämför med originalet för att se om bindestrecket tillhör ordet eller bara till radens division. När destinationen är en publikation, granska skiljetecken och stycken igen efter att du har klistrat in.