Text bereinigen - Zeilenumbrüche und doppelte Leerzeichen entfernen
Text bereinigen
So bereinigen Sie aus PDFs kopierten Text
Text aus einem PDF, einem E-Book oder einer alten E-Mail sieht oft gut aus, bis man ihn woanders einfügt: ein Zeilenumbruch am Ende jeder gedruckten Zeile, durch Trennstriche halbierte Wörter, doppelte Leerzeichen, unsichtbare Zeichen, die die Suche stören, und typografische Anführungszeichen, die Code und Tabellen nicht akzeptieren. Dieses Werkzeug behebt alles in einem Durchgang und zeigt, wie viele Änderungen jeder Schritt gemacht hat.
In drei Schritten
- 1 Fügen Sie den unordentlichen Text in das linke Feld ein.
- 2 Lassen Sie die Standardschritte an oder deaktivieren Sie, was Sie nicht brauchen. Die Zahl neben jedem Schritt zeigt, was er geändert hat.
- 3 Lesen Sie den bereinigten Text rechts gegen und kopieren Sie ihn.
Warum PDF-Text an jeder Zeile umbricht
Ein PDF speichert keine Absätze, sondern Zeilen an festen Positionen auf der Seite. Beim Kopieren wird jede gedruckte Zeile zu einer eigenen Zeile, und ein Absatz zerfällt in einen Stapel kurzer Zeilen. „Umbrochene Zeilen zusammenführen“ klebt die Zeilen eines Absatzes wieder zusammen, „Absätze behalten“ wertet eine Leerzeile als Absatzende. Liefert Ihr PDF keine Leerzeilen zwischen Absätzen, wird alles ein Block: Fügen Sie dort eine Leerzeile ein, wo ein Absatz beginnen soll. Solange Absätze erhalten bleiben, gelten Zeilen, die mit einem Aufzählungszeichen oder einer Nummer beginnen (-, •, 1., a)), als Listenpunkte und bleiben eigene Zeilen.
Durch Trennstrich geteilte Wörter
Blocksatz trennt lange Wörter am Zeilenende: „Seiten-“ in der einen Zeile, „rand“ in der nächsten. Endet eine Zeile mit Buchstabe und Bindestrich und beginnt die nächste klein, entfernt das Werkzeug den Strich und fügt „Seitenrand“ zusammen. Der Haken: Auch ein echter Ergänzungsstrich am Zeilenende verschwindet: Steht „Ein-“ am Ende und „und Ausgang“ in der nächsten Zeile, entsteht „Einund Ausgang“. Prüfen Sie solche Wörter oder schalten Sie die Option ab.
Unsichtbare Zeichen
Ein geschütztes Leerzeichen sieht aus wie ein normales, ist aber ein anderes Zeichen; die Suche nach „Text bereinigen“ findet die Stelle nicht, wenn dazwischen ein geschütztes Leerzeichen steht. Nullbreite Leerzeichen, Wortverbinder und Byte-Order-Marks nehmen gar keinen Platz ein, trennen aber Wörter, zerstören Passwörter und Code und machen zwei gleich aussehende Zeilen verschieden. Das Werkzeug wandelt geschützte und schmale Leerzeichen in normale um und löscht nullbreite Zeichen und weiche Trennstriche. Nullbreite Verbinder bleiben absichtlich: Emoji-Folgen und Schriften wie Hindi brauchen sie. Unsichtbare Links-rechts- und Rechts-links-Markierungen werden ebenfalls entfernt. PDFs speichern Buchstabenpaare wie fi, fl und ffi außerdem oft als ein einziges Ligaturzeichen (fi, fl, ffi): Es sieht richtig aus, doch Suche und Rechtschreibprüfung erkennen das Wort nicht. „Ligaturen auflösen“ macht daraus wieder normale Buchstaben.
Typografische oder gerade Anführungszeichen?
Textverarbeitungen und PDFs machen aus " und ' typografische Anführungszeichen. Im Druck sehen sie besser aus, aber Code, JSON, CSV-Dateien, Tabellenformeln und die Kommandozeile verstehen nur gerade Zeichen. Das Werkzeug wandelt einfache und doppelte typografische Zeichen, auch die unteren „ ‚, in gerade um. Guillemets « » und die Striche ′ ″ für Fuß, Zoll und Minuten bleiben unverändert, denn sie sind keine geschwungene Form eines geraden Zeichens.