Warum werden Wörter nach der Konvertierung eines PDF mit Bindestrichen getrennt?

Wo der Bindestrich herkommt

Satzsoftware teilt lange Wörter am Zeilenende, um den rechten Rand gleichmäßig zu halten. In der PDF ist diese Teilung festgelegt: die erste Hälfte endet in einer Zeile mit einem Bindestrich und die zweite Hälfte beginnt in der nächsten. Auf einem E-Reader sind die Zeilen unterschiedlich, sodass der Bindestrich mitten in einer Zeile landet.

Einige PDFs kennzeichnen diesen Bindestrich als weichen Bindestrich, der nur den Zeilenumbruch erlaubt; andere speichern ihn als gewöhnliches Bindestrichzeichen, weshalb einfache Werkzeuge die beiden nicht unterscheiden können.

Wie EpubCC sie wieder zusammenfügt

• Wenn das PDF selbst das Bindestrich als Zeilenend-Bindestrich markiert, werden die beiden Hälften verbunden.
• Wenn eine Zeile mit "-" endet und die nächste Zeile mit einem Kleinbuchstaben beginnt, wird das Wort ebenfalls verbunden.
• Ein Bindestrich, gefolgt von einem Großbuchstaben oder einer Zahl, bleibt erhalten, was Namen und Bereiche schützt.
• Die EPUB wird dann erneut vom E-Reader für seine eigene Zeilenlänge mit Bindestrichen getrennt, wenn Sie die Silbentrennung aktivieren.

Was noch schiefgehen kann

A real compound broken exactly at its own hyphen at the end of a line ("state-" / "of-the-art") looks the same as a hyphenated word, so it can be joined as "stateof-the-art". The benchmark counts split and merged words per 1,000 for every engine, so you can see how often this happens on real documents.