Wer einen Absatz aus einem PDF kopiert, bekommt keinen Absatz, sondern die einzelnen Zeilen des Satzspiegels — mit einem harten Umbruch dort, wo im Original nur der Rand war. In jedem Textprogramm sieht das anschließend zerhackt aus.
Der Rechner fügt diese Zeilen wieder zusammen, behält aber die echten Absätze, die im kopierten Text als Leerzeile erscheinen. Getrennte Wörter am Zeilenende werden zusammengefügt, ohne die Bindestriche zusammengesetzter Wörter zu verlieren.
Trennstrich ist nicht gleich Bindestrich
Am Zeilenende steht im Deutschen beides: der Trennstrich einer Silbentrennung wie in „Ver-sicherung“ und der Bindestrich einer Ergänzung wie in „Nord- und Südseite“. Wer beide gleich behandelt, macht aus dem zweiten Fall „Nordund Südseite“.
Die Unterscheidung ist einfach: Folgt auf den Strich ein Kleinbuchstabe, war es eine Trennung und der Strich fällt weg. Folgt ein Leerzeichen oder ein Großbuchstabe, war es eine Ergänzung und Strich wie Leerzeichen bleiben stehen.
Warum PDF-Text überhaupt so kopiert wird
Ein PDF speichert keine Absätze, sondern Zeichen an Positionen. Was auf dem Papier ein zusammenhängender Absatz ist, liegt in der Datei als Folge einzelner Zeilen, und beim Kopieren erzeugt das Programm dazwischen Umbrüche, weil es die Absatzgrenze nicht kennt.
Aus demselben Grund gehen beim Kopieren manchmal Ligaturen verloren oder werden zu seltsamen Zeichenfolgen: Der Text im PDF ist eine Anweisung an den Drucker, kein Dokument im Sinne einer Textverarbeitung.