Copiar un párrafo de un PDF no da un párrafo, sino los renglones de la caja de texto, con un salto duro allí donde en el original solo había margen. En cualquier procesador el resultado se ve troceado.
La herramienta vuelve a unir esos renglones y conserva los párrafos de verdad, que en el texto copiado aparecen como línea en blanco. Las palabras partidas a final de renglón se reúnen sin perder los guiones que separan palabras compuestas.
Guion de partición y guion de unión
A final de renglón caben los dos: el guion que parte una palabra, como en «comu-nicación», y el que une dos elementos, como en «teórico-práctico». Tratarlos igual convierte el segundo en «teóricopráctico».
La regla es sencilla: si detrás del guion viene una minúscula y la palabra continúa, era una partición y el guion desaparece. Si viene un espacio o una mayúscula, era un guion de unión y se queda.
Por qué el PDF se copia así
Un PDF no guarda párrafos, sino caracteres colocados en posiciones. Lo que sobre el papel es un párrafo continuo está en el archivo como una sucesión de renglones sueltos, y al copiar el programa mete saltos porque no sabe dónde acaba el párrafo.
Por lo mismo se pierden a veces las ligaduras o salen secuencias raras: el texto de un PDF es una instrucción para la impresora, no un documento en el sentido de un procesador de textos.