# PDFからMarkdownへの変換で読む順序が崩れたとき：最初のズレを特定する

PDFからMarkdownへの変換で段落の混在、繰り返されるヘッダー、図の位置ずれが起きたときに、編集や再変換の前に原因を切り分ける方法を説明します。

変換後のMarkdownで話題が飛び飛びになっているなら、文を書き換えてつなげる前に一度立ち止まってください。文言は正しくても、段落の順序が入れ替わっているだけかもしれません。先に文章を編集すると、元の抽出時の問題が見えにくくなります。

まず、気になる箇所をひとつ選び、その元のページまでさかのぼります。結果全体を「文字化けしている」と評するより、小さな手順で原因を切り分けるほうが役に立ちます。

## 該当箇所を元のページと照合する

Markdownの中から特徴的な語句を探し、PDFのテキスト層があればその語句で検索します。テキスト層がない場合は、近くの見出し、図表番号、印刷されたページ番号を手がかりに該当箇所を探してください。PDFビューアー上のページ位置と、文書に印刷されたページ番号は別物なので区別しておきます。

元の段落と、その前後の段落を読みます。Markdownが元と一致している箇所、食い違っている箇所、再び一致する箇所に印を付けましょう。たとえば、1つの段落の前半と後半の間に図のキャプションが入り込んでいることがあります。これはブロックを移動すれば直る話で、節全体を翻訳し直す必要はありません。

元の箇所が見つからないときは、AIツールに足りないつながりを推測させないでください。元の記述を見つけるまでは、不確かな点として注記を残しておきます。文章として自然に直せたとしても、順序が正しい証拠にはなりません。

## 柱（ヘッダー）とフッターを本文から切り分ける

抽出後は、繰り返し現れる雑誌名、章のタイトル、著者名、ページ番号が文中に入り込むことがあります。同じ断片が一定のページ間隔で現れていないか確認します。

一例をページ位置とともに確認メモに控え、別の出現箇所も見てから一括置換を使ってください。柱に使われている語が、本文にも普通に出てくる場合があります。数字はとくに注意が必要です。印刷されたページ番号は、参考文献番号や年、表の値と紛らわしいことがあります。

柱だと確認できたものを作業用コピーから取り除き、つなぎ目をまたいで読み直します。それでも文が通らない場合は、段落の欠落、段組みの切り替わり、単語の分断なども疑ってください。1回の整理で境界の問題がすべて解決するとは限りません。

## 図表やコラムの位置ずれを探す

表によって段落が中断されている場合と、段落の語句が表のセルと混ざり合っている場合とでは、対処が異なります。前者はまとまったブロックを移動すれば流れが戻ることがあります。後者は変更する前に、PDFと照らして本文と表を別々に特定してください。

図がどこに属するかは、キャプションと本文からの参照で判断します。図はキャプション、番号、周囲の説明とともに意味が通る状態にしておきます。画像が丸ごと欠けている場合は、どんな図だったかを文章で推測して埋めるのではなく、ダウンロードしたリソースを確認してください。

コラムについては、著者が別の読み筋を意図していたかどうかを見ます。囲みの定義が、本文段落の1文目と2文目の間に入るべきとは限りません。[2段組みPDFの読み順ガイド](https://pdfcraft.ai/ja-JP/blog/two-column-pdf-reading-order/)では、こうした崩れが起こりやすい入力レイアウトを扱っています。

## 対処法を選べるだけの情報を記録する

問題の記録は短くても、同じ状況を再現できる内容にします。

| 項目     | 記入例                     |
| ------ | ----------------------- |
| 出典     | PDFビューアーの18ページ目、印刷ページ12 |
| 出力側の位置 | 「評価」節、「第2回の試行」で始まる段落    |
| 問題     | 右段の段落が、左段の続きより前に現れている   |
| 修正     | 元の順序に戻す。表は導入文の後ろに置く     |
| 再確認    | 次のページが同じ位置から始まることを確認する  |

これは記録形式の例であり、PDF Craftで実際に起きた結果ではありません。実際の文書の位置と観察内容を書いてください。

孤立したわずかな誤りなら、Markdownエディターで直したほうが早いことがあります。段の混在や欠落が広範囲に及ぶ場合は、別の変換方法や、より良い元ファイルを使うほうが妥当かもしれません。同じファイルを再度処理する費用をかける前に、何が変わることを期待しているのかをはっきりさせます。スキャン品質、元ファイル、処理設定、変換ツールのどれを変えるのか、という点です。同じ入力を繰り返しても、確実な修正にはなりません。

## テキストを使う前に修正後の順序を確認する

[PDF CraftのMarkdownワークフロー](https://pdfcraft.ai/ja-JP/pdf-craft/pdf-to-markdown/)では、PDFをアップロードし、Markdownを選んで、完了したタスクから結果をダウンロードします。文書処理は複雑なレイアウトを含む有用な構造の復元を目指しますが、読み順を確認する手間がなくなるわけではありません。

未加工の書き出し、作業用コピー、元のPDFの3つを保管しておきます。編集前の段落、編集したブロック、その次の段落を比べてください。Markdownは出力先のエディターでも開いて確認します。エディターの表示上の問題と、ソース側の順序の問題とでは、必要な対処が違います。

ここまで確認してから、引用文の抜き出し、調査メモの分割、他のツールへの貼り付けを行います。[PDFからMarkdownへの調査ガイド](https://pdfcraft.ai/ja-JP/blog/pdf-to-markdown-for-research/)では、抜き出した内容を出典と結び付けておく方法を説明しています。修正した段落は、単体でそれらしく読めるだけでなく、著者の意図した順序を保っている必要があります。