Identificar quebras dentro de frases
Linhas impressas copiadas podem precisar de união para edição, enquanto a quebra entre título e parágrafo deve permanecer. O mesmo controle armazenado pode ter funções editoriais diferentes. Compare fonte e cópia numa frase ajustada, transição de parágrafo e lista. Declare a regra, como unir dentro de blocos e manter linhas vazias entre eles: são pistas, não definições universais.
Escolher espaço ou exclusão
O literal Alfa, LF, Beta tem duas palavras e oito caracteres no site. Alfa Beta tem duas e nove; AlfaBeta, uma e oito, pois as quebras são excluídas dos caracteres. Comprimento igual pode esconder mudança linguística. Palavras completas geralmente pedem espaço; fragmentos talvez não. Confira cada junção em vez de buscar o menor total.
Proteger fronteiras de parágrafos
Se linhas vazias separam blocos, una dentro de cada um e preserve fronteiras. Faça testes manuais antes de automatizar, principalmente em citações e listas. Defina se uma linha apenas de espaços é vazia. Não use marcador temporário que já possa existir no original. Se parágrafos também usam quebras simples, reconstrua pela página ou obtenha outra exportação; não presuma uma sinalização segura.
Manter itens das listas
Listas e instruções precisam de limites entre itens. Se o destino exige uma linha, pode ser necessário ponto e vírgula ou outro separador visível: isso é mudança deliberada de formato. Itens com várias linhas pedem união interna sem absorver o próximo. Confira numeração, hífens e recuos; pontuação sozinha não é confiável. Verifique a quantidade de itens e se nenhuma instrução foi incorporada a outra.
Respeitar estruturas que não são prosa
Endereços postais, versos e quebras de código podem carregar apresentação, significado ou sintaxe obrigatórios. Preservar palavras não garante todos os usos. Linhas de tabela podem ser registros e campos CSV entre aspas podem conter quebras. Analise CSV em vez de inferir registros de linhas visíveis. Separe áreas de prosa e estruturadas, inclusive bibliografias e anexos técnicos.
Revisar junções com hífen
Hífen no fim da linha pode ser real ou tipográfico. Inserir espaço deixa fragmentos; apagar hífen e quebra pode retirar um sinal necessário. Sua posição não decide. Veja reparo de palavras divididas. Reúna candidatos e confira palavras, nomes e códigos no contexto. Preserve dúvidas ou procure outra exportação antes de adivinhar a grafia.
Corrigir a ordem antes de unir
Colunas de PDF podem intercalar trechos sem relação. Uni-los cria uma sequência contínua sem sentido. Mudanças abruptas de assunto, verbos ausentes e legendas inseridas indicam problema de ordem. Primeiro extraia novamente ou reconstrua com as verificações de colunas; depois limpe quebras. Totais de palavras iguais não certificam sequência correta após reorganização.
Conferir junções antes da contagem
Procure palavras fundidas, espaços antes de pontuação, repetições e títulos absorvidos. Os parágrafos devem seguir a regra declarada; menos palavras completas sugere fusão. Meça no contador e compare uma amostra original. Mais caracteres pode ser normal quando espaços contados substituem quebras excluídas. Fidelidade e estrutura determinam se a cópia serve à revisão, entrega ou cartelle italianas.
Uma junção pode preservar ou fundir palavras
| Amostra | Caracteres no site | Palavras | Linhas |
|---|---|---|---|
| Alfa\nBeta | 8 | 2 | 2 |
| Alfa Beta | 9 | 2 | 1 |
| AlfaBeta | 8 | 1 | 1 |
Fontes e verificações
- MDN: CRLF · Repare quebras copiadas, evite palavras fundidas e preserve parágrafos, listas, versos, endereços e campos.
- CommonMark Specification 0.31.2 · Repare quebras copiadas, evite palavras fundidas e preserve parágrafos, listas, versos, endereços e campos.