python pdf生成txt时的格式优化问题

Question

需求来源：某人毕业论文需要文献综述，要看外文文献，并翻译为中文。本人在代劳的时候发觉这种工作应该交由脚本来解决比较轻松，所以emm.....

目前已实现：
1.小脚本将外文txt，转为分段落翻译后的英汉txt。
2.小脚本将外文pdf转为外文txt。（可惜可读性比较低）

在2的实现中，因为用三方库，转换出来的txt保留了pdf的换行。（就是那种明明是一整段的，只是囿于文本宽度，pdf里的样式是换行显示了）。在pdf2txt过程中，目前的代码是识别不出这种非正常的换行。导致转换出的txt，可读性大大降低。

e.g.
pdf：
bababbabababbabbababbabababbabbababbabababbabbababbabababbab(这里由于显示的就这么点宽度，就换行了) bababbabababbab
扫出来的txt：
bababbabababbabbababbabababbabbababbabababbabbababbabababbab
(n)bababbabababbab

直接导致段落数量爆炸。220页的pdf，转完有15760行，估计了下，脚本全跑完需要4个多小时才翻译完 - -!
各位有没有什么想法？请赐教，谢谢

Answer 1

论文段落一般是有空行的，用正则替换掉所有的单个换行符，保留连续的多个换行符，然后再翻译