我需要从PDF到电子表格中获取成千上万的文本片段。它们很短，很少超过2-3行，但是每个换行符都会创建一个新的单元格，我必须手动修复它，这会花费很多时间。

因为我有很多人，所以使用“粘贴到Word中并进行查找和替换”的解决方法对我来说太浪费时间了。有没有办法使换行符在副本上消失？也许有一个为此提供特殊复制模式的查看器，或者有一个插件？

这些文件是科学文章。文字排列非常线性。您可以假定我要复制的文本不在表格或浮点数内，并且没有旋转或任何其他内容。（如果发生这种情况，我想我会手动处理）。文本通常设置在两列中，但是我不会从其列中仅标记需要的文本。我不需要保留任何特殊格式。我愿意尝试一种解决方案，例如，删除所有无法打印的字符。文本为英文，如果解决方案仅以ASCII /条带复制的文本的所有非字母数字ASCII格式工作，则可以。

对于可以在Linux上运行的解决方案（可能是某种Okular插件），我非常有偏好。但是，如果碰巧只有Windows解决方案，我也想听听。我在Windows计算机上拥有一个较新的Acrobat Pro的许可证。

前一段时间，我在编写文本到语音脚本时遇到了类似的问题。我的脚本将尝试通过查找换行符将文本输入分成多个部分。对于PDF文件，由于每行以换行符结尾的方式会导致混乱。

所以我所做的就是撰写了几sed和tr命令只考虑了句号作为实际换行符结束换行符。它不是很漂亮，但是很有效。

使用此代码段，我为您编写了一个小脚本，希望对您有所帮助：

#!/bin/bash

# title: copy_without_linebreaks
# author: Glutanimate (github.com/glutanimate)
# license: MIT license

# Parses currently selected text and removes 
# newlines that aren't preceded by a full stop

SelectedText="$(xsel)"

ModifiedText="$(echo "$SelectedText" | \
    sed 's/\.$/.|/g' | sed 's/^\s*$/|/g' | tr '\n' ' ' | tr '|' '\n')"

#   - first sed command: replace end-of-line full stops with '|' delimiter and keep original periods.
#   - second sed command: replace empty lines with same delimiter (e.g.
#     to separate text headings from text)
#   - subsequent tr commands: remove existing newlines; replace delimiter with
#     newlines
# This is less than elegant but it works.

echo "$ModifiedText" | xsel -bi

该脚本用于xsel解析当前突出显示的文本，然后使用我上面提到的sedand tr命令行对其进行修改。然后，经过处理的文本将通过传递回剪贴板xsel -bi。

在场景中使用脚本的方法如下：

1. 确保已xsel安装（sudo apt-get install xsel在（K）Ubuntu上）
2. 将脚本另存为copy_without_linebreaks或类似名称并使其可执行
3. 在WM首选项中将脚本分配给您选择的热键
4. 突出显示一些文本并按热键
5. 剪贴板应自动填充修改后的文本

多年来一直困扰着我，因此我想出了使用Autohotkey的常规（Windows）解决方案。Autohotkey是Windows的轻量级免费开源脚本编写软件，可为几乎所有可以想象的内容创建热键。

当Ctrl+ c被击中，代码只触发如果活动窗口是一个PDF阅读器，否则它只是拷贝给定的选择如常。如果是PDF阅读器，它将复制所选内容，删除换行符和双倍空格，然后将结果放入剪贴板。如果未选择任何内容，则实际上剪贴板是不变的。

#IfWinActive ahk_class classFoxitReader
^c:: 
    old := ClipboardAll
    clipboard := ""
    send ^c
    clipwait 0.1
    if clipboard = 
        clipboard := old
    else {
        tmp := RegExReplace(clipboard, "(\S.*?)\R(.*?\S)", "$1 $2")
        clipboard := tmp
        StringReplace clipboard, clipboard, % "  ", % " ", A
        clipwait 0.1
        }
    old := ""
    tmp := ""
return

应用此代码之前，唯一的任务是ahk_class阅读器的窗口类名称（）。在所有情况下，我都使用一个PDF阅读器（并且假定大多数人都这样做），即FoxitReader，它ahk_class是classFoxitReader。您可以通过WinGetClass命令轻松地找到自己软件的类（例如AcrobatSDIWindowAcrobat Reader）。

如果您更喜欢在浏览器中阅读PDF，则这不是您的解决方案。或者，您可以简单地删除该#IfWinActive ahk_class classFoxitReader行，以便始终触发代码，但是在这种情况下，结果将始终被换行和双倍空格所剥夺。

对我有用的另一件事是将pdf文件另存为html。html中的段落保持不变，可以进行复制和粘贴。其他文件格式也可以使用，例如txt或rtf。这也应在Linux系统上使用。

这里显示了使用宏的第三种方法，但是我还没有尝试过。我在此处粘贴了宏以供将来参考，宏2由来源的作者“ Deborah Savadra”撰写，宏1由她的读者“ Benjamin”撰写：

宏1：

Sub pagebreaks()
'
' pagebreaks Macro
'
'
    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = "^p^p"
        .Replacement.Text = "¬ ¬"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    With Selection.Find
        .Text = "¬"
        .Replacement.Text = " "
        .Forward = True
        .Wrap = wdFindContinue
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
End Sub

宏2：

 Sub pagebreaks()
'
' pagebreaks Macro
'
'
    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = "^p^p"
        .Replacement.Text = "|"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    With Selection.Find
        .Text = "^p"
        .Replacement.Text = " "
        .Forward = True
        .Wrap = wdFindContinue
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    With Selection.Find
        .Text = "|"
        .Replacement.Text = "^p^p"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
End Sub

有显示一个Windows的解决方案在这里。必须先下载文件“ PDF Copy-Paster.exe”，然后再执行复制和粘贴操作。我尝试了一下，它工作得很好，除了它删除了所有换行符。因此，如果您复制多个段落，则以后只有一个。

SU上有一个相关的问题，有一点点解释，这可能对某人感兴趣...

我知道这是一个古老的问题，但是我认为回答这个问题将很有用，因为没有其他解决方案比这个解决方案更容易使用了。

使用名为Okular的Linux应用程序打开pdf文件。然后选择工具->表格选择工具，然后选择表格形式的文本。然后按Ctrl + C，您就可以开始了。

实际问题：https : //askubuntu.com/questions/1167026/detect-clipboard-copy-paste-event-and-modify-clipboard-contents

幸得肯恩。

基于Glutanimate的脚本。

来源：https : //github.com/SidMan2001/Scripts/tree/master/PDF-Copy-without-Linebreaks-Linux

从PDF复制文本时删除换行符（Linux）：

此bash脚本可从PDF复制文本时删除换行符。它适用于Linux的Primary Selection和Clipboard。

#!/bin/bash

# title: copy_without_linebreaks
# author: Glutanimate (github.com/glutanimate)
# modifier: Siddharth (github.com/SidMan2001)
# license: MIT license

# Parses currently selected text and removes 
# newlines

while ./clipnotify;
do
  SelectedText="$(xsel)"
  CopiedText="$(xsel -b)"
  if [[ $SelectedText != *"file:///"* ]]; then
    ModifiedTextPrimary="$(echo "$SelectedText" | tr -s '\n' ' ')"
    echo -n "$ModifiedTextPrimary" | xsel -i
  fi
  if [[ $CopiedText != *"file:///"* ]]; then
    ModifiedTextClipboard="$(echo "$CopiedText" | tr -s '\n' ' '  )"
    echo -n "$ModifiedTextClipboard" | xsel -bi
  fi
done

依存关系：

1. Xsel
   sudo apt-get install xsel
2. clipnotify（https://github.com/cdown/clipnotify）
   您可以使用存储库中提供的预编译的clipnotify或自己编译。

编译clipnotify自己：
sudo apt install git build-essential libx11-dev libxtst-dev
git clone https://github.com/cdown/clipnotify.git
cd clipnotify
sudo make

要使用：

1. 以zip格式下载此存储库，或将脚本复制并粘贴到文本编辑器中，并将其另存为copy_without_linebreaks.sh。
2. 确保脚本和clipnotify（下载或预编译）在同一文件夹中。
3. 在脚本文件夹中打开终端并设置权限
   chmod +x "copy_without_linebreaks.sh"
4. 双击脚本或通过输入终端运行：
   .\copy_without_linebreaks.sh
5. 将文本复制为pdf并将其粘贴到任何地方。换行符将被删除。

如果您有Acrobat，请单击光标，使光标在文本中闪烁。（如果您不这样做，将无法使用。）转到“高级”，“辅助功能”，“添加标签”。如果您的文档较大，则需要几分钟，但比手动删除中断要快得多。瞧！

此页面上的简单解决方案；http://www.iom3.org/news/how-instantly-remove-unwanted-line-breaks-when-copying-pdf

1. 从PDF复制所需的文本
2. 粘贴到新的Word文档中
3. 点击“编辑”，然后“替换”
4. 确保您在“查找内容”字段中
5. 点击“更多”，然后点击“特殊”
6. 选择“段落标记”（在列表顶部）
7. 点击进入“替换为”字段
8. 按下空格键一次
9. 点击“全部替换”
10. 单击“确定”，然后关闭“查找并替换”框。

有点忙碌，但是一旦您掌握了快捷方式，它就会更快