更正文本中分成音节的单词

Question

我使用 Python 将 .pdf 文件转换为 .txt。通过删除特殊字符或某些我不想要的字符来“清理”文本相当容易，但是我有一个有趣的问题，除了手动之外我还没有设法解决。

文本是德语，一些单词被分成音节（它们可能就像原始 .pdf 中的那样）。所以我有类似的东西

Das ist die Belastung eines Grundstücks mit der Haftung für bestimmte, in der Regel wiederkeh-
rende Leistungen des jeweiligen Grundeigentümers.

仅删除连字符不是一个好主意，因为有时它们是有意义的，例如在Verkehrs- und Tarifverbund Stuttgart 中。

有什么方法可以避免手动操作吗？它几乎出现在每句话中。

Answer 1

如果单词由于太长而在行尾被拆分，您应该可以删除"-\n"（将其替换为""）。

如果您的文档使用其他特殊字符来表示行尾，则需要将\n 替换为该字符。