Decidi quali interruzioni appartengono alla frase
Il testo copiato da una pagina può avere un ritorno a capo dopo ogni riga stampata. Se la frase continua sotto, unire quelle righe può renderla più facile da revisionare. Un titolo seguito da un paragrafo, invece, rappresenta una separazione da mantenere. Il fatto che entrambi usino lo stesso carattere di a capo nella copia non li rende equivalenti sul piano editoriale.
Leggi un breve tratto nella sorgente e nella copia. Individua una frase distribuita su più righe, il passaggio al paragrafo successivo e un eventuale elenco. Questa verifica ti permette di descrivere la regola da applicare: per esempio unire le interruzioni interne ai blocchi, mantenendo una riga vuota tra blocchi. Non partire dal presupposto che ogni riga vuota sia sempre significativa o che ogni a capo singolo sia sempre artificiale. Sono indizi da confrontare con la struttura effettiva del documento.
Uno spazio e nessuno spazio producono testi diversi
Il campione Alfa, a capo, Beta ha due parole. Se sostituisci il separatore con uno spazio ottieni Alfa Beta, ancora due parole. Se lo cancelli ottieni AlfaBeta, una parola secondo il nostro motore. La tabella mostra anche i caratteri: otto prima, nove con lo spazio, otto dopo la fusione senza spazio, perché le battute del sito escludono gli a capo.
Un totale di caratteri invariato non dimostra quindi che l’operazione sia corretta. La versione senza separatore ha la stessa misura del campione iniziale, ma cambia il contenuto linguistico. Per riparare una prosa normale, lo spazio è spesso il separatore pertinente tra due parole complete. Per una parola spezzata, invece, potrebbe non esserlo. Controlla il punto di giunzione e decidi sulla base del contenuto, senza usare il numero più basso come obiettivo della pulizia.
Una giunzione può conservare o fondere le parole
| Campione | Battute del sito | Parole | Righe |
|---|---|---|---|
| Alfa\nBeta | 8 | 2 | 2 |
| Alfa Beta | 9 | 2 | 1 |
| AlfaBeta | 8 | 1 | 1 |
Proteggi i blocchi prima di estendere la sostituzione
Se la copia usa una riga vuota per separare i paragrafi, puoi lavorare un blocco alla volta. Unisci le righe interne, poi conserva il confine tra blocchi. Questo metodo manuale è più lento di una sostituzione globale, ma permette di verificare una regola prima di automatizzarla. È particolarmente utile quando il documento alterna prosa, citazioni ed elenchi.
Quando prepari una procedura automatica, definisci esplicitamente che cosa intendi per riga vuota: una sequenza senza caratteri, oppure una riga con soli spazi? Le due possono apparire uguali e comportarsi diversamente. Non usare marcatori temporanei che potrebbero già comparire nel testo. Se la sorgente ha soltanto a capo singoli anche tra paragrafi, non esiste un confine sicuro da proteggere con questa regola. Devi ricostruire la struttura dalla pagina o scegliere un’esportazione che la conservi meglio.
Gli elenchi devono restare leggibili come elenchi
Una lista della spesa, un sommario o una sequenza di istruzioni hanno bisogno di confini tra voci. Trasformarli in una frase continua può rendere ambiguo dove finisca un elemento e inizi il successivo. Se la destinazione consente soltanto una riga, puoi scegliere un separatore visibile, per esempio un punto e virgola, ma questa è una riscrittura del formato che va controllata.
Attenzione alle voci che occupano più righe: l’interruzione dentro una voce può essere da unire, mentre quella prima della voce successiva va conservata. Cerca numerazione, trattini iniziali e rientri, confrontandoli con la sorgente. Non dedurre tutto dalla presenza di un punto finale: una voce può non avere punteggiatura, e una frase può contenerne una abbreviata. Dopo la trasformazione verifica che il numero delle voci corrisponda ancora alla lista originale e che nessuna istruzione sia stata assorbita nella precedente.
Indirizzi, versi e dati non seguono la prosa ordinaria
In un indirizzo postale, il passaggio tra destinatario, via e località può essere parte della presentazione richiesta. In una poesia la divisione in versi è contenuto. In un blocco di codice il ritorno a capo può avere un ruolo sintattico o di leggibilità. Unire tutto con spazi perché “le parole sono le stesse” non basta a preservare questi usi.
Per una tabella, inoltre, una riga può delimitare un record anziché una frase. Se il testo proviene da un CSV, i ritorni dentro campi racchiusi tra virgolette richiedono un parser del formato; non puoi inferire i record dal solo numero di righe visibili. Separa quindi le aree di prosa dalle aree strutturate prima di applicare la pulizia. La stessa operazione può essere corretta nel corpo di un articolo e sbagliata nella sua bibliografia o nel suo allegato tecnico.
Le parole spezzate richiedono un controllo distinto
Quando una riga finisce con un trattino, ci sono almeno due possibilità: il segno appartiene alla parola oppure indica una divisione dovuta all’impaginazione. Unire con uno spazio può lasciare due frammenti; eliminare segno e a capo può invece cancellare un trattino che doveva restare. Non affidare la decisione alla sola posizione a fine riga.
La guida su sillabazione e trattini nel testo copiato entra nel merito delle diverse rappresentazioni. Qui il controllo operativo è circoscritto: raccogli le giunzioni con trattino e rivedile separatamente dalle altre. Verifica la parola nella sorgente e nel suo contesto. Lo stesso vale per un nome, un codice o una sigla spezzati. Se non riesci a stabilire la forma, conserva l’incertezza e cerca un’altra esportazione invece di inventare una ricomposizione soltanto perché sembra plausibile.
L’ordine sbagliato non si corregge unendo le righe
Un estratto da PDF a colonne può alternare porzioni che appartengono a colonne diverse. Unire quelle righe produce una frase continua ma priva di senso. Prima della sostituzione, leggi i passaggi tra righe e verifica che la frase continui davvero. Un salto improvviso di argomento, un soggetto senza verbo o una didascalia inserita nel periodo possono segnalare un problema di ordine.
In quel caso torna alla selezione o all’estrazione e ricostruisci le colonne nella sequenza corretta. La guida sul testo dei PDF a colonne propone controlli specifici. La pulizia degli a capo va svolta dopo, quando il contenuto è completo e ordinato. Un contatore può confermare che hai mantenuto lo stesso numero di parole mentre sposti blocchi; non può certificare da quel numero che la lettura abbia recuperato la sequenza corretta.
Controlla le giunzioni, poi misura il testo ricostruito
Dopo una prima trasformazione verifica i punti in cui una riga è stata unita alla successiva. Cerca parole fuse, spazi prima della punteggiatura, ripetizioni e titoli assorbiti nel corpo. Se hai conservato i paragrafi, il loro totale dovrebbe essere coerente con la regola scelta. Se le parole diminuiscono in un blocco composto soltanto da parole complete separate da a capo, indaga le fusioni.
Porta la copia ricostruita nel contatore di parole e confronta un campione con la sorgente. Un aumento delle battute può essere normale: stai introducendo spazi che prima erano rappresentati da interruzioni escluse dall’indicatore. La verifica decisiva resta la fedeltà del testo e della sua struttura. Solo dopo quel controllo il nuovo conteggio descrive una copia pronta per essere revisionata, consegnata o usata in un calcolo di cartelle.
Fonti e verifiche
- MDN: CRLFIdentificazione dei caratteri di interruzione come controlli distinti dalla loro notazione.
- CommonMark: specifica 0.31.2Esempio di formato che distingue struttura dei blocchi e interruzioni interne; non assunto come regola universale per il testo semplice.
Controlli specifici di questa guida
- Eseguite tre analisi sullo stesso campione con LF, spazio e nessun separatore.
- Verificati 8/2/2, 9/2/1 e 8/1/1 come battute/parole/righe.
- Non presentata una regola di unione automatica come riconoscimento semantico dei paragrafi.