Text bereinigen

Jeder Schalter hat eine Aufgabe, und sie laufen immer in derselben Reihenfolge: zuerst Auszeichnungen (HTML, Markdown), dann Transkript-Ballast (Zeitstempel, Sprechernamen), Emojis und Anführungszeichen, dann Leerzeichen und Zeilen (kürzen, zusammenfassen, Duplikate, sortieren), danach Zeilenumbrüche, Leerzeilen und zuletzt die Schreibung. Neben jedem eingeschalteten Schalter steht, wie viele Änderungen er gemacht hat.

Kein Wort wird umgeschrieben, korrigiert oder übersetzt. Entfernt werden nur Leerzeichen, Zeilenumbrüche, Auszeichnungen, Zeitstempel, Namen und Emojis, die Sie gewählt haben; dazu kann es Anführungszeichen tauschen, Zeilen sortieren oder die Schreibung ändern. Das Ergebnis ist reiner Text, den Sie kopieren oder als .txt-Datei laden.

Aus einer PDF kopierter Text behält am Ende jeder gedruckten Zeile einen Umbruch, ein Absatz kommt also als Spalte kurzer Zeilen an. Zeilenumbrüche entfernen verbindet sie mit einem Leerzeichen: Aus "Das Angebot gilt" und "30 Tage." auf zwei Zeilen wird "Das Angebot gilt 30 Tage."

Absätze behalten ist voreingestellt: Eine Leerzeile zwischen Absätzen bleibt stehen. Hatte die PDF keine Leerzeilen zwischen den Absätzen, wird alles zu einem Absatz; fügen Sie dann am Anfang jedes Absatzes eine Leerzeile ein und bereinigen Sie erneut. Ein am Zeilenende getrenntes Wort behält seinen Bindestrich, prüfen Sie solche Stellen von Hand.

Fügen Sie eine Liste mit einem Eintrag pro Zeile ein (E-Mail-Adressen, Leads, Artikelnummern, Namen) und schalten Sie Doppelte Zeilen entfernen ein. Das erste Vorkommen jeder Zeile bleibt, Wiederholungen fallen weg; Leerzeichen am Zeilenende zählen nicht, Groß- und Kleinschreibung auch nicht, außer Sie setzen das Häkchen dafür.

Leerzeilen gelten nie als Duplikate, damit die Gliederung eines Textes bleibt. A bis Z oder Z bis A sortiert die Liste, Zahlen in natürlicher Reihenfolge (Artikel 2 vor Artikel 10), Umlaute nach deutscher Sortierung. Liste aufräumen erledigt alles auf einmal: kürzen, Leerzeichen zusammenfassen, Leerzeilen und Duplikate entfernen, A bis Z sortieren.

Transkripte aus Besprechungs-Apps und Untertiteldateien bringen Ballast mit. Zeitstempel entfernen löscht [00:01:23] und (00:01) überall, einen Zeitstempel am Zeilenanfang wie 0:01:23.456, eine Zeit hinter einem Namen in eigener Zeile und in Untertiteldateien die Kopfzeile WEBVTT, die Cue-Nummern und die Zeitzeilen mit -->. Eine Uhrzeit mitten im Satz, etwa "wir treffen uns um 10:30", bleibt.

Sprechernamen entfernen löscht einen Namen oder eine Bezeichnung aus bis zu vier großgeschriebenen Wörtern mit Doppelpunkt am Zeilenanfang (Sprecher 1:, SPEAKER_02:, Anna:, Dr. Lee:) und Zeilen, in denen nur so ein Name steht, etwa Sprecher 3. Jedes großgeschriebene Wort mit Doppelpunkt am Zeilenanfang zählt, also verliert auch "Hinweis: zurückrufen" sein erstes Wort: Lesen Sie das Ergebnis, bevor Sie es verschicken. Wiederholte Zeilen behält der Transkript-Knopf, denn zweimal "Ja." ist echtes Gesagtes.