Как посчитать символы из PDF

Вставьте фрагмент PDF в счётчик и сравните результат с текстом, который будете отправлять. При копировании в строку могут попасть переносы, лишние пробелы и невидимые знаки внутри слов. По разнице двух показателей можно заметить пробельные знаки, а остальные нужно искать в самом тексте.

Как посчитать символы из PDF

Начнём с двух строк про оплаченный счёт. В них 23 знака с пробелами и 19 без. После правок счётчик покажет 21 и 18. По этим числам видно, какая правка затронула пробел, а какая убрала знак внутри слова.

В статье вы узнаете:

Что меняется при копировании из PDF

На странице PDF буквы стоят в отведённых им местах. Когда вы выделяете абзац, программа просмотра собирает выделение в текст для буфера обмена. Конец печатной строки может превратиться в перевод строки или пробел. У двух колонок программа может по-своему определить порядок чтения. Подпись под рисунком может скопироваться вместе с соседним абзацем.

В обычном текстовом поле, куда вы вставляете фрагмент, строки могут снова перенестись по ширине. В этом случае поле показывает один длинный ряд букв на нескольких строках без добавления знаков. Если разрыв пришёл из PDF и оказался частью текста, он сохранится и в широком поле. Это различие полезно, когда абзац выглядит разбитым, а число символов кажется неожиданным.

Начните с маленького фрагмента, в котором уже видно расхождение. Скопируйте его отдельно, проверьте оба числа и сохраните исходную копию. Когда есть возможность сравнить страницу и вставленный абзац, проще увидеть, где соединились соседние колонки, потерялась буква или появилось пустое место между частями слова.

Как проверить разницу на коротком примере

Скопируйте содержимое блока в счётчик символов с пробелами и без. Выделите две строки от первой буквы до точки и нажмите «Рассчитать». После «Счёт» стоят два обычных пробела, после «за» стоит неразрывный. В слове «оплачен» между «а» и «ч» есть мягкий перенос. Это скрытая метка, в которой при вёрстке можно перенести слово на другую строку.

Счёт  за июнь
опла­чен.

Если выделение скопировалось целиком с этими знаками, верхний результат равен 23. Из них 17 букв, точка, четыре пробельных знака и один мягкий перенос. Во втором результате 19, так как из 23 вычитаются два обычных пробела, неразрывный пробел и перевод строки. Из разницы 23 − 19 = 4 видно их количество. Определить их типы по двум итогам невозможно.

  1. Уберите один из двух пробелов после «Счёт». Счётчики покажут 22 и 19. Изменилась длина строки с пробелами.
  2. Замените перевод строки обычным пробелом. Оба числа останутся прежними, хотя предложение поместится в одну строку в широком поле.
  3. Удалите целое слово «оплачен» и напечатайте его заново. Сохраните пробел перед словом и точку после него. Должно получиться 21 и 18. Скрытый мягкий перенос входил в оба результата.

В итоговой фразе Счёт за июнь оплачен. обычный пробел после «за» занимает столько же места в счётчике, сколько неразрывный. Если при первом копировании вышло 24 и 19, проверьте, не захватили ли вы дополнительный перевод строки или пробел после точки. Если вышло 22 и 18, могла потеряться метка мягкого переноса. При иной разнице наберите простой вариант вручную и проверьте две цифры на нём.

Какие переносы можно исправить

Представьте, что в PDF последняя строка абзаца выглядит так, будто текст содержит «согласо-» и на следующей строке «вание». Если при вставке сохранились видимый дефис и разрыв, удалите оба, чтобы получилось «согласование». Проверяйте слово целиком. Запись «интернет-магазин» сохраняет дефис, даже если в документе половины оказались на разных строках. При соединении таких половин достаточно убрать перевод строки.

Иногда скопированное слово уже выглядит цельным, но внутри остаётся мягкий перенос U+00AD. Он может быть нужен, если вы правите исходную вёрстку и хотите управлять тем, как ляжет текст в узкой колонке. Для отрывка, который вы собираетесь искать по точной строке или вставить в короткое поле, проверьте такое слово отдельно. Самый простой способ убрать метку в одном известном месте состоит в том, чтобы набрать слово заново. Удаление всех видимых дефисов в документе испортит составные слова, номера и даты.

При склейке строк абзаца проверьте, где проходит граница. Между «оплачен» и «полностью» нужно оставить пробел. В середине «согласования» пробел приведёт к ошибке. Новый абзац, пункт списка и строку адреса сохраняйте отдельными, если этого требует формат назначения. Такой порядок особенно полезен, когда PDF сверстан в две колонки или рядом с текстом стоят цифры и подписи.

Как сохранить нужные пробелы

Неразрывный пробел U+00A0 помогает держать рядом два коротких фрагмента, например «20 кг». В eCalc обычный пробел и неразрывный одинаково увеличивают длину с пробелами на один и оба исключаются из второго результата. Поэтому замена одного другим меняет поведение при переносе текста, но число символов сохраняется. Двойной пробел можно сократить до одного, когда это обычный абзац. В строках таблицы и образцах кода сначала проверьте, как используются отступы.

В тексте из таблицы обращайте внимание на табуляцию. С виду она может занимать ширину нескольких пробелов, хотя счётчик уберёт из результата без пробелов одну позицию. Если выравнивание зависит от длинных отступов, попробуйте прочитать один ряд после вставки. Для пересказа достаточно соединить слова одним пробелом. Для переноса чисел в таблицу важнее сохранить границы столбцов и сверить несколько строк по оригиналу.

Для диагностики прикладывайте к документу правило подсчёта. eCalc измеряет длину в единицах UTF-16. Обычные русские буквы, пробел и мягкий перенос занимают по одной единице. Составной эмодзи может занимать несколько и увеличивает оба числа. У другого сервиса может отличаться даже результат для того же текста, если он считает видимые знаки или байты. Разницу между этими единицами можно проверить на примерах из статьи о том, что считать символом.

Как сверить текст перед отправкой

Сначала убедитесь, что из PDF скопировался именно выбранный фрагмент. Если вместо абзаца вставляется пустая строка, проверьте, выделяются ли в PDF отдельные буквы. Страница скана может содержать только изображение. Тогда сначала распознайте текст и сверьте с оригиналом буквы, цифры и знаки. В документах с суммами легко пропустить ошибку в запятой, которая оставит число символов прежним.

Если текст вставился в неверном порядке, копируйте по одному абзацу, колонке или строке таблицы. Проверьте начало и конец каждого фрагмента. Одинаковые результаты подсчёта ещё не означают, что слова совпали. Поменять два слова местами можно без изменения общей длины.

Чтобы отделить форматирование от содержимого, вставьте проблемный абзац в простой текстовый редактор. Цвет, размер шрифта и разметка уйдут, а имеющиеся в строке невидимые знаки могут сохраниться. Если ваш редактор умеет показывать пробелы, табуляции или концы строк, включите этот режим. Начните с места, где слово распалось или где поиск по ожидаемой фразе перестал работать.

Считайте итоговый текст после последней правки, в тех же границах, в которых будете его отправлять. Если форма показывает свой результат, пройдите последнюю проверку в ней. Перед сокращением текста до лимита восстановите границы абзацев и слов. Один бездумно удалённый дефис может изменить смысл сильнее, чем несколько лишних символов.

Есть что добавить?

Напишите своё мнение, комментарий или предложение.