用行间空格格式化文本

Question

我正在从 pdf 复制文本，当我将其粘贴到文本编辑器中时，结果如下：

文本不会延伸到右边距而是看起来像一列，并且行之间有一个空格。我希望文本扩展到右边距并且行之间没有空格。我可以手动格式化它，但它非常耗时。有没有一个程序可以让我自动化这个？

Answer 1

grep .删除所有空行。您可以通过管道将结果导入fmt以将文本重新格式化为您选择的宽度。如果您在 X 剪贴板中有文本，xsel -b将从那里获取它。

xsel -b | grep . | fmt -w 80 >reformatted.txt

如果您根本不想换行，可以用空格替换换行符，但在末尾添加换行符。

xsel -b | grep . | tr '\n' ' '; echo

输出不会很好，因为根据你的图像，连字符丢失了，所以“vul-/gar”输出为“vul gar”，“Thanks-/giving”为“Thanksgiving”等。

grep .将所有段落折叠为一个。只有在文本中以某种方式标记段落时，您才能避免这种情况。如果同一段落的行之间有一个空行，并且段落之间至少有两个空行，则可以删除换行符并保留段落分隔符，如下所示：

awk 'length {if (previous < NR-2) print ""; previous = NR; print}'

您可以尝试pdftotext直接在 PDF 上运行。这不会重新格式化文本，并且可能包含也可能不包含空行（这取决于 PDF 的制作方式）。