PDF から段落をコピーして別の場所に貼ると、いくつもの短い行に分断されて届きます。リストを貼れば半分の行が重複している。これは最もよくある、そして最も面倒なテキスト作業の 1 つです。ここでは、それぞれの乱れをどう直すか、そして内部で何が起きているのかを説明します。
改行の除去(段落を元に戻す)
PDF やメールは、1 つの段落を多数の独立した行として保存し、各行末に硬い改行を入れていることがよくあります。普通のエディタに貼っても、分断されたままです。直すには、行をもう一度つなぎ合わせます:
- 空白でつなぐ——最も一般的:
1 行目⏎2 行目が1 行目 2 行目になります。文章向き。 - そのまま連結(間を空けない)——途中で切られ、続けてつながるべきデータ向き。
ポイントは、「改行」が実在する文字である(場合によっては 2 つ:復帰 + 改行)と理解することです。除去とは、その文字を置き換えるだけのことです。
重複行の削除
リスト——メールアドレス、キーワード、URL——にはすぐ重複が紛れ込みます。削除では各行の最初の出現を残し、その後の重複をすべて落とすため、元の順序が保たれます。順序が重要でなければ、後で A→Z に並べ替えると、同じ項目が隣り合います。
空行と余分な空白の削除
もう 2 つの定番:
- 空行——段落の間に残る空の行。削除すると文章が締まります。
- 余分な空白——連続した空白や、タブが空白の連なりになったもの。連続を 1 つの空白に統合すると、体裁が揃います。
すべて一度に、プライバシーを守って
手作業で置換を繰り返す必要はありません。テキストクリーナーが合理的な順序で適用します——各行を trim、空白を統合、空行を削除、重複を削除、並べ替え、最後に選択に応じて改行を結合——結果はリアルタイム表示。すべてブラウザ内で処理され、機微なテキストもアップロードされません。
CR・LF・CRLF:三種類の「改行」
あの見えない改行は、いつも同じ文字とは限りません。三種類あり、それぞれ由来する OS が違います:
- LF(
\n、line feed)——Linux・macOS・Unix が使用。 - CRLF(
\r\n、復帰 + 改行)——Windows の慣習。 - CR(
\r、単独)——OS X 以前の古い Mac OS。今ではまれ。
ふだんは気づきません。しかしテキストが OS をまたぐと、行末の不一致が実害を生みます:diff で「全行が変わった」ように見えたり、シェルスクリプトが謎のエラーで落ちたり、全体が一本の長い行になって、ときに ^M が見えたりします。行末を統一すれば、これらは一度に片づきます。
ソフトラップは改行ではない
よくある勘違い:エディタが長い行を画面幅に合わせて折り返すのはソフトラップ——見た目だけで、裏に文字はありません。ハード改行こそ削除できる実在の文字です。改行の除去が触れるのはハード改行だけで、ソフトラップは勝手に折り返すので消すものがありません。
こんなときに
- リスト——メール・キーワード・URL——を、取り込み用に 1 行 1 件へ整える。
- 貼るとバラバラに届くフォームやチャットに、段落をそのまま貼りたいとき。
- 再利用の前に、メール署名や引用文をきれいにする。
行末の不一致は、ほぼ同じ 2 つのファイルが並べると全く違って見える原因でもあります——2 つのテキストを比較する方法で、ノイズを越えて本当の変更を見る方法を紹介しています。