Cómo limpiar texto desordenado: un flujo de trabajo completo
El texto pegado desde un PDF, un correo electrónico, una página web o una exportación a menudo llega desordenado: entre líneas, lleno de líneas en blanco, lleno de espacios dobles y pestañas sueltas. Limpiarlo a mano es exasperante. Aquí hay un flujo de trabajo completo y repetible que convierte casi cualquier texto pegado desordenado en contenido limpio y utilizable en unos pocos y rápidos pasos.
¿Por qué el texto se complica?
El texto desordenado proviene de cómo las diferentes fuentes almacenan y transfieren texto. Los archivos PDF almacenan texto por posición visual, por lo que al copiar se inserta un salto de línea en cada línea visual. Los correos electrónicos envuelven el texto con cortes duros en anchos fijos. Las páginas web tienen su propio espaciado y formato. Las exportaciones dejan huecos y espacios en blanco inconsistentes. Los viejos hábitos añaden espacios dobles después de los puntos. Cada fuente aporta su propio tipo de desorden y el texto pegado a menudo tiene varios problemas a la vez, razón por la cual una sola solución rara vez lo limpia por completo.
Paso 1: arregla los saltos de línea
Empiece por volver a unir las líneas discontinuas. El texto de archivos PDF y correos electrónicos suele aparecer cortado a mitad de frase en cada línea. Utilice una herramienta para eliminar saltos de línea con un modo "conservar párrafos", que une las líneas discontinuas dentro de cada párrafo conservando las líneas en blanco entre los párrafos. Esto reconstruye oraciones y párrafos fluidos a partir de líneas fragmentadas, la mayor mejora para la mayoría del texto desordenado y el primer paso correcto porque restaura la estructura básica.
Paso 2: elimine las líneas en blanco
A continuación, borre el exceso de líneas en blanco. El texto pegado a menudo se rellena con líneas vacías, a veces una después de cada línea, a veces espacios dispersos. Elimine las líneas vacías usando una opción que también captura líneas solo con espacios en blanco (las que parecen en blanco pero contienen espacios ocultos). Esto ajusta el texto a su contenido real. Si desea mantener la separación de párrafos, utilice un modo que colapse varias líneas en blanco en una sola en lugar de eliminarlas todas.
Paso 3: normaliza los espacios
Finalmente, arregle los espacios en blanco dentro de las líneas. Contraiga tramos de espacios dobles y tabulaciones a espacios simples y recorte los espacios en blanco finales desde los extremos de las líneas. Esto elimina los espacios duplicados, las tabulaciones perdidas y los espacios finales invisibles que hacen que el texto sea inconsistente y causan problemas de coincidencia. Después de este paso, su texto tendrá un espacio simple uniforme, extremos de línea limpios y sin espacios en blanco ocultos, realmente limpio, no sólo con una apariencia limpia.
Haciéndolo todo en privado
Debido a que todas estas herramientas se ejecutan localmente en su navegador, puede limpiar un documento confidencial, una carta privada, datos confidenciales o un informe interno, sin que nada de ello se cargue en un servidor. Esta es una ventaja importante sobre las herramientas que procesan en sus servidores, especialmente para cualquier cosa que no quieras compartir. Ejecute los tres pasos en orden y el texto pegado desordenado de cualquier fuente se convertirá en contenido limpio, uniforme y utilizable, todo sin salir de su máquina.