Limpiar texto - Quitar saltos de línea y espacios sobrantes
Limpiador de texto
Cómo limpiar texto copiado de un PDF
El texto copiado de un PDF, un libro electrónico o un correo antiguo parece correcto hasta que lo pegas en otro sitio: un salto de línea al final de cada línea impresa, palabras partidas por un guion, espacios dobles, caracteres invisibles que estropean la búsqueda y comillas tipográficas que el código y las hojas de cálculo no aceptan. Esta herramienta lo corrige todo de una vez y muestra cuántos cambios hizo cada paso.
En tres pasos
- 1 Pega el texto desordenado en el cuadro de la izquierda.
- 2 Deja activados los pasos por defecto o desmarca los que no quieras. El número junto a cada paso indica lo que cambió.
- 3 Revisa el texto limpio de la derecha y cópialo.
Por qué el texto de un PDF se corta en cada línea
Un PDF no guarda párrafos, sino líneas colocadas en posiciones fijas de la página. Al copiar, cada línea impresa se vuelve una línea propia y el párrafo se convierte en un montón de líneas cortas. «Unir líneas cortadas» vuelve a pegar las líneas de cada párrafo y «Conservar los párrafos» toma una línea vacía como fin de párrafo. Si tu PDF no deja líneas vacías entre párrafos, todo queda en un solo bloque: añade una línea vacía donde debe empezar cada párrafo. Mientras se conservan los párrafos, las líneas que empiezan con una viñeta o un número (-, •, 1., a)) se tratan como elementos de lista y siguen en su propia línea.
Palabras partidas por un guion
El texto justificado parte las palabras largas al final de la línea: «ter-» en una línea y «minaba» en la siguiente. Si una línea termina en letra y guion y la siguiente empieza en minúscula, la herramienta quita el guion y une «terminaba». La trampa: un compuesto real que se cortó justo en su guion, como «franco-alemán», queda «francoalemán». Revisa esas palabras o desmarca la opción si tu texto tiene muchas.
Caracteres invisibles
Un espacio duro (no separable) parece un espacio normal pero es otro carácter, así que buscar «limpiar texto» no encuentra el pasaje si entre ambas palabras hay uno. Los espacios de ancho cero, los unidores de palabras y las marcas de orden de bytes no ocupan sitio, pero parten palabras, rompen contraseñas y código, y hacen distintas dos líneas que se ven iguales. La herramienta convierte los espacios duros y finos en normales y borra los caracteres de ancho cero y los guiones suaves. Los unidores de ancho cero se mantienen a propósito: las secuencias de emoji y escrituras como el hindi los necesitan. También se eliminan las marcas invisibles de dirección (izquierda a derecha y derecha a izquierda). Los PDF suelen guardar pares de letras como fi, fl o ffi como un único carácter de ligadura (fi, fl, ffi): se ve bien, pero la búsqueda y el corrector ortográfico no reconocen la palabra, así que «Separar ligaduras» los vuelve a convertir en letras normales.
¿Comillas tipográficas o rectas?
Los procesadores de texto y los PDF convierten " y ' en comillas tipográficas. Quedan mejor impresas, pero el código, el JSON, los archivos CSV, las fórmulas de hoja de cálculo y la línea de comandos solo entienden las rectas. La herramienta convierte las comillas curvas simples y dobles, incluidas las bajas „ ‚, en rectas. Las comillas angulares « » y las primas ′ ″ de pies, pulgadas y minutos no se tocan, porque no son versiones curvas de una comilla recta.