Nettoyage de texte PDF

Comment nettoyer un texte copié depuis un PDF

1. Collez le texte original pour lancer le nettoyage automatique. Choisissez la réparation des paragraphes ou des espaces uniquement, puis activez les modifications facultatives si nécessaire.
2. Vérifiez les extraits actualisés et décidez pour chaque trait d’union s’il faut le supprimer, le garder en joignant les lignes ou ne rien changer. Chaque choix actualise automatiquement le résultat.
3. Copiez le résultat à la fin du traitement. Modifier le texte ou les options actualise le résultat et réinitialise les choix de césure ; la saisie attend une courte pause. Effacer supprime les deux textes et restaure les options initiales.

Ce que modifie cet outil

La copie d’un PDF insère souvent un retour à chaque fin de ligne visuelle. L’outil joint les lignes admissibles, mais un retour ne révèle pas l’intention de l’auteur. Il conserve les paragraphes vides, les listes reconnues, le code délimité ou indenté, les lignes tabulaires et les URL, courriels et chemins isolés. La ponctuation de fin de phrase empêche aussi la jonction. Titres, poésie et citations ne sont pas parfaitement reconnus : vérifiez ou choisissez Espaces uniquement.

Un trait d’union en fin de ligne peut couper un mot ou appartenir à un composé. Chaque occurrence a son propre choix et reste intacte par défaut. Le résultat repart toujours de l’original actuel, sans cumuler les modifications lors d’une réinitialisation. Nettoyer à nouveau un résultat peut révéler de nouvelles jonctions : le résultat n’est pas nécessairement identique.

Le mode automatique omet les espaces uniquement entre caractères Han adjacents. Il ne détecte pas la langue et ne déduit pas toutes les séparations du japonais, du coréen, du thaï ou du khmer. Les options concernent uniquement U+00AD, ff/fi/fl/ffi/ffl, U+00A0/U+202F et les espaces ASCII répétés. Les structures protégées restent exactes. Tabulations, espaces finales de saut, accents combinés, emoji, contrôles d’écriture et autres caractères Unicode sont conservés.

Exemples : avant → après

A wrapped ␊ sentence. → A wrapped sentence. (␊ désigne un retour à la ligne, sans les espaces de présentation qui l’entourent.)

inter-␊national → inchangé par défaut ; supprimer le trait donne international, le conserver donne inter-national. state-␊of-the-art → state-of-the-art en conservant le trait.

中文␊文本 → 中文文本 en mode automatique. file → file uniquement avec le développement des ligatures. First paragraph.␊␊Second paragraph. conserve les deux retours.

Traitement local et limites

Le texte est traité dans le navigateur ; l’outil ne transmet ni ne conserve les brouillons. Les services partagés de statistiques et de publicité peuvent effectuer des requêtes réseau. Les éditeurs et extraits utilisent les attributs de masquage du site. La limite de 500 000 unités UTF-16 ne compte pas les caractères visibles : un emoji peut occuper plusieurs unités. Le texte trop long reste intégralement disponible.