Limpiar texto copiado de un PDF

Identifica qué ha cambiado al pegar

Copia un párrafo en el editor y compáralo con el PDF que tienes en pantalla. La página puede parecer perfectamente maquetada, pero el portapapeles puede contener un salto de línea tras cada línea visible. Si el final de una línea enlaza directamente con la siguiente en la página, lo más probable es que ese salto pertenezca a la maquetación y no a la frase. Si una fila en blanco separa dos temas, conserva esa separación. Fíjate en las palabras que hay a ambos lados de cada salto, no solo en la forma del bloque pegado.

Hay tres problemas distintos que es fácil confundir. Un salto forzado interrumpe una frase respetando el orden de lectura correcto. Una mala selección mezcla columnas o cuela encabezados y pies de página. Y un documento escaneado puede no tener texto seleccionable. Una herramienta de saltos de línea está pensada para el primer problema: puede hacer que el segundo parezca más limpio sin que por ello quede bien. Ten a mano una muestra sin tocar para compararla con el resultado, sobre todo si la página incluye notas, instrucciones con viñetas o palabras que terminan en guion.

Abre Arreglar saltos de línea para probar con una muestra

Selecciona la cantidad de texto adecuada

En una página de una sola columna, empieza por un párrafo o por una sección continua entre dos títulos. Intenta dejar fuera los encabezados de página, los números de página y el texto de las notas al pie. Si una sección continúa en la página siguiente, copia primero por separado la parte de cada página. Un encabezado repetido entre las dos mitades puede acabar dentro de una frase si lo unes todo de golpe. Compara la primera y la última frase de cada selección con el PDF antes de pegar el siguiente fragmento.

En una página con varias columnas, copia una columna cada vez. Si tras la primera mitad de una frase aparece un fragmento de la columna de al lado, el orden de las líneas ya es incorrecto. Empieza de nuevo con una selección más estrecha en lugar de aplicar una transformación. Si la selección incluye una lista de conceptos de una factura o de pasos, decide si cada fila debe quedar separada. El editor reconoce los marcadores de lista más comunes, pero una lista formada solo por sangrías o por espacios tipográficos puede no detectarse.

Repara un párrafo cortado sin aplanarlo

Pega la muestra en Original y deja seleccionada la opción Reparar texto cortado. El editor construye una vista previa sin reemplazar lo que has pegado. Trata las continuaciones probables como parte del mismo párrafo y conserva las líneas en blanco. Las listas reconocibles y el código delimitado se tratan con cautela. Lee la vista previa en cada unión para comprobar que las palabras siguen yendo juntas.

Envía el calendario revisado a
recepción antes del mediodía.

Se colgará una copia en la planta baja.

Las dos primeras líneas deberían convertirse en una sola frase. La última frase debería seguir como párrafo aparte. Si las tres líneas acaban en un único bloque, comprueba que estás en el modo de reparación y no en el de separador, y busca en el panel izquierdo el salto de párrafo original. Algunos PDF separan visualmente los párrafos sin poner una fila en blanco en el portapapeles. Si falta un límite real, añádelo en el panel original antes de reparar. Es más seguro que editar el resultado ya unido y perder la pista de qué partes vienen de la fuente.

Prueba Reparar texto cortado

Decide qué hacer con cada guion

Mira con atención cada guion al final de una línea pegada. Puede haberse insertado para partir una palabra larga en el margen. En infor- seguido de mación, quitar la marca da información. En teórico- seguido de práctico, la marca puede formar parte del compuesto que quería el autor. Una pista visual por sí sola no te dice cuál es cuál. Un apellido o un término técnico pueden ser aún más difíciles de juzgar a partir de una sola línea.

El modo de reparación conserva el guion de final de línea que reconoce hasta que tú decides. Elige Revisar guiones junto a la vista previa y selecciona solo las marcas que quieres quitar. Compara el resultado con la frase de origen. Si un nombre o un código te resulta desconocido, conserva la marca hasta que puedas verificarlo. Un guion blando es un carácter aparte que puede quedar oculto cuando el texto no se corta. Si una palabra parece correcta pero falla en una búsqueda tras la reparación, usa el inspector de caracteres invisibles antes de quitar los guiones normales de todo el texto.

Distingue entre reparar un párrafo y unir una lista

Usa Unir líneas con un separador cuando tu objetivo sea otro formato de salida, no cuando quieras reconstruir prosa. Tres etiquetas copiadas una por línea pueden tener que convertirse en una sola línea separada por comas. Elige coma y espacio, una barra vertical, una tabulación o un separador personalizado. Con los saltos de párrafo desactivados, el resultado es una única línea continua. Pega primero una lista pequeña para asegurarte de que el destino espera exactamente ese separador.

El modo separador recorta los extremos de las líneas no vacías y no intenta conservar la estructura de la prosa, de las listas ni del código. Con Conservar los saltos de párrafo activado, las filas en blanco dividen grupos y cada grupo se une por separado. Es útil si cada grupo pertenece a una categoría distinta. Si un valor contiene una coma que debe quedarse dentro de un campo entrecomillado, usa un formato que entienda las comillas. Unir filas con una coma es una operación sobre texto. Abre el convertidor CSV y TSV si se trata de una tabla, o da formato a una sola lista si es un único registro.

Abre el unidor de líneas y elige un separador

Trata con cuidado los encabezados, pies y números de página

Antes de unir una selección larga, busca fragmentos que se repitan en cada página: el nombre de un proyecto, una fecha, una etiqueta de confidencialidad o una línea que solo contiene el número de página. Si esas líneas no forman parte del material que necesitas, quítalas del panel de origen antes de reparar. Si un salto de página interrumpía una frase, vuelve a leerla cuando hayas eliminado la línea sobrante. Comprueba que la puntuación alrededor de la unión sigue teniendo sentido.

Cuando las líneas no deseadas comparten un prefijo o un sufijo exacto, Filtrar líneas puede conservar o quitar filas completas. Un pie de página que empieza con una etiqueta fija se puede quitar con Empieza por. Revisa lo que se conserva antes de pasar el resultado a otro sitio. Un término de búsqueda que también aparece en la prosa real puede eliminar una línea legítima. Las líneas repetidas no siempre son errores: dos entradas idénticas de un inventario pueden corresponder a dos artículos distintos. Quita los duplicados solo cuando las repeticiones sean redundantes en tu resultado.

Haz una pasada aparte para los espacios

Un documento exportado desde un programa de maquetación puede añadir grandes huecos dentro de una línea, espacios al final contra el margen derecho o tabulaciones usadas como separadores visuales. Repara primero el corte de las líneas. Cuando la prosa se lea bien, usa Usar resultado como entrada y pasa a Limpiar espacios. Separar los dos pasos facilita ver qué cambio causó un problema.

Empieza recortando los finales de línea. Si aún ves huecos entre palabras, elige reducir los espacios repetidos. Deja esa opción desactivada en tablas de ancho fijo, en código o en texto que use espacios para alinear columnas. Un bloque puede leerse bien como prosa y ser inservible como datos si se perdió su alineación. Si unos espacios de aspecto normal siguen afectando a una búsqueda, inspecciona los caracteres que hay debajo. Un espacio normal, un espacio de no separación y un espacio fino no siempre se comportan igual. Algunos espacios son intencionados, como el que mantiene una medida junto a su unidad.

Conserva títulos, direcciones y bloques con estructura

Los títulos, las direcciones, los poemas y los pies de foto pueden depender de saltos de línea sencillos que tienen significado. Si ves un bloque cuya disposición aporta información, apártalo y procésalo por separado. Una dirección postal suele tener el destinatario, la calle y la ciudad en líneas distintas. Tratarla como prosa corriente puede dificultar pegarla después en un formulario. En una lista larga de referencias, comprueba que cada entrada sigue empezando donde debe.

El modo de reparación reconoce algunas señales de estructura, pero el portapapeles puede descartarlas. Una viñeta puede llegar sin su marcador, y una tabla puede perder los espacios que dejaban claras las columnas. Compara la forma de la vista previa con el PDF, no solo las palabras. Cuando un bloque no tiene indicios fiables, empieza con Texto sin formato y deja la maquetación tal como se copió. A veces el resultado correcto es una mezcla: prosa reparada más direcciones o citas sin tocar. Reúne esas piezas ya verificadas en el destino en lugar de aplicar una sola regla a varias estructuras.

Reconoce cuándo el PDF necesita OCR o volver a exportarse

Si al resaltar un párrafo se selecciona toda la página como si fuera una imagen, es posible que el PDF sea un escaneo y no texto seleccionable. Esta herramienta no lee imágenes. Usa un flujo de OCR para obtener primero una capa de texto y después verifica el resultado del OCR con la página visible. Los problemas habituales son confundir el cero con la letra O, perder los acentos o leer las columnas en desorden. Una vista previa limpia no valida ningún número del original.

Si puedes seleccionar el texto pero ves símbolos donde deberían ir letras, prueba con otra selección pequeña o exporta desde el documento original. Una codificación rota y un corte de líneas roto son problemas distintos. Arreglar acentos rotos previsualiza ciertos errores de UTF-8, pero no puede deducir texto que se sustituyó o que nunca se extrajo bien. Si tienes acceso a la hoja de cálculo o a los datos del formulario originales, úsalos en lugar de copiar el PDF ya representado. Pueden conservar los límites de filas y columnas que se perdieron en la fase de maquetación.

Comprueba una selección grande antes de copiarla

Antes de procesar varias páginas, prueba con una sección que incluya un párrafo normal, una línea en blanco, una palabra con guion y un elemento con estructura. Revisa las primeras y las últimas palabras alrededor de cada unión. Si la prueba pequeña se comporta como esperas, amplía la selección sin dejar de vigilar los límites de página y la puntuación poco habitual. En datos numéricos, comprueba registros completos por muestreo, no solo los encabezados.

Si el texto va a un informe, pega primero el resultado en un borrador. Conserva la selección original para poder compararla después. Comparar versiones muestra las líneas modificadas. Como volver a ajustar el texto cambia los límites de las líneas, la comparación puede marcar un párrafo entero aunque las palabras sean las mismas. Si necesitas un valor de formulario en texto sin formato, verifica que el destino no haya añadido su propio formato ni quitado saltos con significado. El editor no guarda ningún borrador al recargar la página. Copia el resultado verificado o descárgalo antes de cerrar la página.

Abre Arreglar saltos de línea para la pasada final

Contrasta con un ejemplo los flujos de trabajo repetidos

Imagina que tienes que copiar el apartado de contacto de varios avisos de dos páginas. Haz una prueba con un aviso que tenga un título largo, un párrafo que continúe en otra página y una dirección postal al final. Repara la prosa en una pasada y copia la dirección por separado. Comprueba si hay una etiqueta de página entre las dos mitades del párrafo que continúa. Un flujo de trabajo repetible es una secuencia de decisiones, no un único ajuste aplicado a ciegas a cada archivo.

Si tu destino es un artículo de ayuda, prueba un párrafo pegado y la dirección en el editor real que se usa para publicarlo. Algunos editores tratan un solo Intro como un párrafo y otros muestran de otra manera las filas en blanco pegadas. Confirma que la copia terminada se lee bien allí. Si vas a producir una lista para un script o una hoja de cálculo, verifica el separador exacto y conserva una muestra del resultado esperado. Usa esa muestra para contrastar los lotes siguientes.

Usa una lista de comprobación final para la copia

El orden de lectura debe coincidir con el del PDF. Las filas en blanco deben seguir donde representan párrafos. Las direcciones, las citas y los elementos de lista deben seguir viéndose como unidades separadas si su disposición importa. Los encabezados o los números de página no deben aparecer dentro de frases ya reparadas. Revisa uno por uno los guiones ambiguos. Si la exactitud importa, guarda un breve extracto del original junto a la versión limpia para que quien lo lea después pueda verificar los cambios.

Comprueba qué espera el destino. Para un párrafo, usa el modo de reparación y conserva los espacios que tengan significado. Para una lista que debe convertirse en una sola línea, elige el separador previsto y decide qué hacer con los grupos en blanco. Para una tabla, es preferible la exportación estructurada original. Si una búsqueda sigue fallando, inspecciona los caracteres ocultos antes de hacer otra edición amplia. Por último, contrasta con el original al menos un pasaje completo. Este flujo puede reparar el texto que le das, pero no puede aportar pasajes que nunca se copiaron ni decidir qué cambios editoriales son aceptables.

Vuelve a la utilidad de reparación de texto de PDF