Nettoyer un texte - Supprimer sauts de ligne et espaces en trop
Nettoyeur de texte
Comment nettoyer un texte copié d’un PDF
Un texte copié d’un PDF, d’un livre numérique ou d’un vieil e-mail a l’air correct jusqu’à ce qu’on le colle ailleurs : un saut de ligne à chaque fin de ligne imprimée, des mots coupés en deux par un tiret, des espaces doubles, des caractères invisibles qui faussent la recherche et des guillemets courbes que le code et les tableurs refusent. Cet outil corrige tout d’un coup et indique combien de modifications chaque étape a faites.
En trois étapes
- 1 Collez le texte en désordre dans la zone de gauche.
- 2 Laissez les étapes par défaut ou décochez celles dont vous ne voulez pas. Le nombre à côté de chaque étape indique ce qu’elle a modifié.
- 3 Relisez le texte nettoyé à droite et copiez-le.
Pourquoi le texte d’un PDF se coupe à chaque ligne
Un PDF ne stocke pas de paragraphes, mais des lignes placées à des positions fixes sur la page. Au copier-coller, chaque ligne imprimée devient une ligne à part et un paragraphe se transforme en pile de lignes courtes. « Joindre les lignes coupées » recolle les lignes d’un paragraphe, et « Garder les paragraphes » considère une ligne vide comme la fin d’un paragraphe. Si votre PDF ne donne aucune ligne vide entre les paragraphes, tout devient un seul bloc : ajoutez une ligne vide là où chaque paragraphe doit commencer. Tant que les paragraphes sont gardés, les lignes qui commencent par une puce ou un numéro (-, •, 1., a)) sont traitées comme des éléments de liste et restent sur leur propre ligne.
Les mots coupés par un tiret
Un texte justifié coupe les mots longs en fin de ligne : « li- » sur une ligne, « gne » sur la suivante. Quand une ligne se termine par une lettre et un tiret et que la suivante commence par une minuscule, l’outil retire le tiret et recolle « ligne ». Le piège : un vrai mot composé coupé pile à son trait d’union, comme « porte-monnaie », devient « portemonnaie ». Relisez ces mots, ou décochez l’option si votre texte en contient beaucoup.
Les caractères invisibles
Une espace insécable ressemble à une espace normale mais c’est un autre caractère : la recherche « nettoyer texte » ne trouve pas un passage où une insécable sépare les deux mots. Les espaces de largeur nulle, les gluons de mots et les indicateurs d’ordre des octets ne prennent aucune place, mais ils coupent les mots, cassent mots de passe et code, et rendent différentes deux lignes identiques à l’œil. L’outil remplace les espaces insécables et fines par des espaces normales et supprime les caractères de largeur nulle et les traits d’union conditionnels. Les liants sans chasse sont gardés exprès : les séquences d’emoji et des écritures comme le hindi en ont besoin. Les marques invisibles de sens d’écriture (gauche à droite, droite à gauche) sont aussi supprimées. Les PDF stockent souvent des paires de lettres comme fi, fl ou ffi sous forme d’un seul caractère de ligature (fi, fl, ffi) : à l’œil c’est correct, mais la recherche et le correcteur orthographique ne reconnaissent pas le mot. « Décomposer les ligatures » les remplace par des lettres ordinaires.
Guillemets courbes ou droits ?
Les traitements de texte et les PDF transforment " et ' en guillemets et apostrophes courbes. C’est plus joli à l’impression, mais le code, le JSON, les fichiers CSV, les formules de tableur et la ligne de commande ne comprennent que les signes droits. L’outil convertit les guillemets courbes simples et doubles, y compris les formes basses „ ‚, et l’apostrophe ’ en signes droits. Les guillemets français « » et les primes ′ ″ (pieds, pouces, minutes) ne sont pas touchés : ce ne sont pas des versions courbes d’un signe droit.