OCRで読み取った英文を正規表現を使って整形したい

質問

英文をOCRで読み取ったデータがあります。
ワードなどに入れるには、末尾の余分な改行が邪魔で削除したいので、秀丸エディタを使用して整形したいと思っています。
何段階かに分けてしないといけないと思いますが、アドバイスをいただければと思います。
以下にある程度考えたものを書きますので、ご指摘いただけば幸いです。

1) 全角文字を半角にする
右クリックメニューから「ハンカクに変換」

2) スペースやタブのみの行のスペースを削除
置換で、^[ \t]+\n　→　\n

3) 末尾の余分なスペースを削除
置換で、 $　→　なし　（※ 検索文字列の$の前には半角スペースがある。）

4) 単語の途中で改行されている単語をくっつける（末尾の-を削除し、次の行と繋げる）

5) .や?や! で終っていない行末の改行を削除

上記のような流れで大丈夫でしょうか？
4)は、[a-z]-$ で検索すれば、単語を分割する末尾のハイフンは探してくれますが、それを削除して、次の行と繋げることができず、とりあえずキーマクロで処理しました。
具体的には、キーマクロ登録開始、F3で検索、一文字シフトしてハイフンと改行を削除、キーマクロ終了で、登録しておいて、後は連続的にキーマクロを実行しました。

5)は、小文字で始まっている行の先頭を探し、スペースを入れて、バックスペースで前の行とつなぎました。
^[a-z]

それでも行末が変な所があったので、
[^\.\!\?]$
で検索して、個別に直していきました。（タイトル行などで、ピリオドで終わらない場合もあるので。）

このような整形の必要性は割とありそうなのですが、なかなかいい情報が見当たりませんでした。
アプリケーションも探しましたが、なかなか見つからなかったのと、見つかったものもうまくいきませんでした。

何かうまい方法などありましたら、教えてください。

回答No.1

sholmes

秀丸エディタ・OCR共に深く活用した経験が無い為、自分には現状お力添えができません。

秀丸エディタの代わりにスクリプト言語を利用してもよければ、次の情報を頂いた上でご助力できるかもしれません。

1, 取り込み直後のテキストからサンプルを10～20行程度
2, 1のテキストから整形された、理想的なテキスト

御検討下さい