如何从文本中删除换行符

为什么文本到达时带有硬换行符

通常的来源是从 PDF 中复制出来。 PDF 没有段落 - 它具有位于页面上的文本 - 因此副本会在视觉行结束的地方插入换行符。在页面上占据六行的段落以六行文本形式到达。

纯文本电子邮件是另一个常见来源。较旧的邮件客户端将外发邮件硬包装为 72 或 76 个字符，并且引用的回复会无限期地保留这些中断。

其显着特征是断点位于句子中间，大致在同一列，而不是句子末尾。这就是它们可以机械移除的原因：真正的段落分隔符由空行分隔，而段落中间的换行则不然。下面的一切都取决于这种差异。

保留段落：单一模式方法

该模式如下：一个换行符，前面没有换行符，后面也没有换行符。段落中间换行匹配；双断点中的每个换行符的一侧都有一个换行符，因此两者都不匹配。

如果该工具拒绝该模式并出现错误，则说明您的浏览器不支持lookbehind。在这种情况下，请使用更简单的 \s*\n\s* 替换来连接所有内容，并在将文本粘贴到的任何内容中重新引入段落分隔符。

1. 按修剪线。这会去除每一行的前导和尾随空白，因此段落分隔符正好变成两个换行符，而不是一个换行符、一个杂散空格和另一个换行符。
2. 勾选正则表达式。
3. 查找 (?<!\n)\n(?!\n) 并替换为单个空格。按全部替换。
4. 检查计数。它应该大致匹配换行数，并且应该比总行数小大约段落数。

将所有内容连接到一个块中

对于引用、搜索查询或进入单个字段的任何内容，您根本不需要保护段落。

正则表达式模式，找到 \s*\n\s* 并替换为单个空格。两侧的 \s* 同时吸收缩进和尾随空格，因此之后不需要单独的双空格清理。

Windows 行结尾和其他错误

• 如果 \n 上的替换报告为零，或留下杂散字符，则文本具有 Windows 行结尾。找到\r并先将其替换为空；将 CRLF 转换为 LF，然后上面的模式就会起作用。
• 带连字符的单词跨行分开——“inter-”然后是“national”——连接后变成“international”。找到“-”并替换为任何内容，但首先读取计数，因为该模式也匹配散文中的合法破折号。
• 如果一行以空格结尾并且您使用了lookbehind模式，则双空格可以保留。找到两个空格，替换为一个，然后运行两次。
• 段落之间没有空行的文本没有要保护的信号。没有任何模式可以恢复从未编码的段落边界，您必须手动重新插入它们。

关于该工具的正则表达式模式的两件事

模式在守卫内部编译。无效的模式会给您一条错误消息，并使您的文本保持原样 - 单独的开括号是打字时的正常中间状态，它不应该破坏您的工作。

模式是使用全局标志编译的，没有多行或点标志。因此，替换总是适用于任何地方；该点与换行符不匹配； ^ 和 $ 锚定整个文本而不是每一行。要按行操作，请显式匹配换行符，这就是上面的模式的作用。

查找和替换字段是单行输入。您可以使用 \n 匹配换行符，但不能插入换行符 — 在替换字段中输入的 \n 将作为反斜杠后跟 n 插入。这就是为什么上面的方法永远不需要放回换行符。

工作示例：从 PDF 复制出两个段落

粘贴的文本在每打印行之后都有一个硬中断，并且在两个段落之间有一个空行。使用 / 作为换行符，看起来像这样：

“委员会周二开会审查/3月份提交的提案。一些成员/对时间表提出了担忧。//修订后的版本将在/下一次会议之前分发。”

总共有 5 个换行符：四个换行符和一个段落分隔符写为两个连续的换行符。五人中的四人应该去。

1. 按修剪线。
2. 勾选Regex，找到(?<!\n)\n(?!\n)，替换为空格，全部替换。
3. 读取报告的计数。

结果： 该工具报告 3 个替换（三个中间段落换行），结果是两个段落，每个段落位于一个连续行上，仍然由空行分隔。使用 \s*\n\s* 会报告 4 并将两个段落合并为一个，这是引用的正确答案，但这里是错误的答案。

打开工具

清理文本工具包中的文本

文字和正则表达式查找和替换，带有撤消历史记录和每一步后的替换计数。您粘贴的任何内容都不会发送到任何地方。

这不包括什么

• 这是查找和替换，而不是回流。它无法区分中间句子换行和故意短行（例如地址块、诗句或项目符号列表）。
• 替换字段无法插入换行符，因此任何需要将换行符放回原处的技术都必须在其他地方完成。
• 后视模式需要支持后视断言的浏览器。较旧的浏览器会报告无效模式错误，而不是默默地失败。
• 处理在主线程上运行，因此非常大的文档可能会在转换期间短暂暂停界面。
• 撤消仅限于最近 50 次操作。
• 两次访问之间不会保存任何内容。根据设计，重新加载页面会放弃您的工作。