Perché le parole vengono divise con trattini dopo aver convertito un PDF?

Dove proviene il trattino

Il software di composizione divide le parole lunghe alla fine delle righe per mantenere il margine destro uniforme. Nel PDF quella divisione è fissa: la prima metà termina una riga con un trattino e la seconda metà inizia la successiva. Su un e-reader le righe sono diverse, quindi il trattino si trova nel mezzo di una riga.

Alcuni PDF contrassegnano quel trattino come un trattino morbido, valido solo per la rottura della linea; altri lo memorizzano come un carattere trattino ordinario, ed è per questo che i semplici strumenti non possono distinguerli.

Come EpubCC le riunisce

• Quando il PDF stesso contrassegna il trattino come un trattino di fine riga, le due metà vengono unite.
• Quando una riga termina in "-" e la riga successiva inizia con una lettera minuscola, la parola è unita.
• Un trattino seguito da una lettera maiuscola o da un numero viene mantenuto, il che protegge nomi e range.
• Il EPUB viene quindi trattato di nuovo con la divisione sillabica dall'e-reader per la sua lunghezza di linea, se attivi la divisione sillabica.

Cosa può ancora andare storto

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.