Limpar texto - Remover quebras de linha e espaços extras
Limpador de texto
Como limpar texto copiado de um PDF
Texto copiado de um PDF, de um e-book ou de um e-mail antigo parece certo até você colá-lo em outro lugar: uma quebra de linha no fim de cada linha impressa, palavras cortadas por um hífen, espaços duplos, caracteres invisíveis que atrapalham a busca e aspas curvas que códigos e planilhas não aceitam. Esta ferramenta corrige tudo de uma vez e mostra quantas alterações cada etapa fez.
Em três passos
- 1 Cole o texto bagunçado na caixa da esquerda.
- 2 Deixe as etapas padrão ativadas ou desmarque as que não quiser. O número ao lado de cada etapa mostra o que ela alterou.
- 3 Revise o texto limpo à direita e copie.
Por que o texto de PDF quebra em cada linha
Um PDF não guarda parágrafos, e sim linhas colocadas em posições fixas na página. Ao copiar, cada linha impressa vira uma linha separada e o parágrafo se transforma em uma pilha de linhas curtas. "Juntar linhas quebradas" cola de volta as linhas de cada parágrafo, e "Manter os parágrafos" trata uma linha vazia como fim de parágrafo. Se o seu PDF não deixou linhas vazias entre os parágrafos, tudo vira um bloco só: acrescente uma linha vazia onde cada parágrafo deve começar. Enquanto os parágrafos são mantidos, as linhas que começam com um marcador ou um número (-, •, 1., a)) são tratadas como itens de lista e continuam em linha própria.
Palavras divididas por hífen
Texto justificado divide palavras longas no fim da linha: "pá-" numa linha e "gina" na seguinte. Quando uma linha termina com letra e hífen e a seguinte começa com minúscula, a ferramenta tira o hífen e junta "página". A armadilha: uma palavra composta de verdade que quebrou bem no hífen, como "guarda-chuva", vira "guardachuva". Confira essas palavras ou desmarque a opção se o texto tiver muitas.
Caracteres invisíveis
Um espaço rígido (não separável) parece um espaço comum, mas é outro caractere; buscar "limpar texto" não encontra o trecho se houver um entre as palavras. Espaços de largura zero, unidores de palavras e marcas de ordem de bytes não ocupam lugar, mas dividem palavras, quebram senhas e código e tornam diferentes duas linhas que parecem iguais. A ferramenta transforma espaços rígidos e finos em espaços comuns e apaga caracteres de largura zero e hifens condicionais. Os unidores de largura zero ficam de propósito: sequências de emoji e escritas como o hindi precisam deles. As marcas invisíveis de direção (da esquerda para a direita e da direita para a esquerda) também são removidas. PDFs costumam guardar pares de letras como fi, fl e ffi como um único caractere de ligadura (fi, fl, ffi): parece certo, mas a busca e o corretor ortográfico não reconhecem a palavra, por isso "Separar ligaduras" os transforma de volta em letras comuns.
Aspas curvas ou retas?
Editores de texto e PDFs transformam " e ' em aspas curvas. Ficam mais bonitas impressas, mas código, JSON, arquivos CSV, fórmulas de planilha e linha de comando só entendem aspas retas. A ferramenta converte aspas curvas simples e duplas, inclusive as baixas „ ‚, em retas. Aspas angulares « » e os sinais ′ ″ de pés, polegadas e minutos não são alterados, porque não são versões curvas de uma aspa reta.