Если в сконвертированном Markdown текст перескакивает с одной темы на другую, не спешите переписывать предложения, чтобы все сошлось. Формулировки могут быть верными, а порядок абзацев — нарушенным. Если сначала взяться за текст, исходная проблема извлечения только замаскируется.
Возьмите конкретный неудачный фрагмент и вернитесь к странице, с которой он взят. Небольшая проверка, которую можно повторить, полезнее, чем общая оценка всего результата как «каши».
Найдите страницу, с которой взят фрагмент
Найдите в Markdown характерную фразу и поищите ее в PDF, если в файле есть текстовый слой. Если текстового слоя нет, ориентируйтесь на ближайший заголовок раздела, номер рисунка или напечатанный номер страницы, чтобы найти нужный скан. Различайте позицию страницы в программе просмотра PDF и номер, напечатанный на самой странице документа.
Прочитайте исходный абзац и соседние с ним. Отметьте, где Markdown совпадает с оригиналом, где расходится и где снова с ним сходится. Например, подпись к рисунку могла оказаться между двумя половинами одного абзаца. Здесь нужно перенести блок целиком, а не заново переводить весь раздел.
Если исходный фрагмент найти не удается, не позволяйте инструменту с ИИ придумать недостающую связь. Оставьте пометку о неясности, пока источник не найден. Гладкий текст сам по себе не доказывает, что порядок верный.
Отделите колонтитулы от основного текста
После извлечения внутри предложений могут оказаться повторяющиеся названия журнала, заголовки глав, имена авторов или номера страниц. Проверьте, не возвращается ли один и тот же фрагмент через одинаковый интервал страниц.
Скопируйте один пример в заметку для проверки и укажите, на какой он странице. Затем посмотрите на другое вхождение, прежде чем запускать сквозную замену. Слово из колонтитула может встречаться и в самом тексте, где его удалять не нужно. С числами нужно быть особенно внимательными: напечатанный номер страницы легко спутать с номером ссылки, годом или значением в таблице.
Удалите подтвержденный колонтитул из рабочей копии и перечитайте текст в месте склейки. Если предложение по-прежнему не складывается, возможна и другая причина: пропущенный абзац, переход между колонками или разорванное слово. Не рассчитывайте, что одна чистка исправит все стыки.
Проверьте, не оказались ли рисунки, таблицы и врезки не на своем месте
Абзац, который прерывает таблица, — это не то же самое, что абзац, слова которого перемешались с ячейками таблицы. В первом случае порядок может восстановить перенос целого блока. Во втором сначала сопоставьте текст и таблицу по отдельности с PDF, а уже потом вносите правки.
Где должен стоять рисунок, определяйте по подписи и ссылке на него в тексте. Рисунок должен оставаться понятным вместе со своей подписью, номером и пояснением рядом. Если изображение пропало совсем, проверьте скачанные файлы, а не заменяйте его догадкой о том, что на нем было.
Для врезок проверьте, не задумывал ли автор отдельный путь чтения. Определение в рамке не всегда уместно между первым и вторым предложением основного абзаца. В руководстве по порядку чтения в двухколоночных PDF разобраны макеты, которые часто вызывают такие переходы.
Запишите достаточно подробностей, чтобы выбрать способ исправления
Полезная запись о проблеме короткая, но по ней можно все повторить:
| Поле | Пример записи |
|---|---|
| Источник | Программа просмотра PDF, страница 18; напечатанная страница 12 |
| Место в результате | Раздел «Evaluation», абзац, начинающийся со слов «The second trial» |
| Проблема | Абзац из правой колонки стоит перед продолжением из левой |
| Исправление | Восстановить порядок как в источнике; таблицу оставить после вводного текста |
| Повторная проверка | Убедиться, что следующая страница начинается с того же места |
Это образец формата записи, а не описание реального результата PDF Craft. Указывайте фактические места и наблюдения из вашего документа.
Несколько отдельных ошибок иногда быстрее исправить в редакторе Markdown. Если колонки перемешиваются регулярно или пропусков много, возможно, стоит выбрать другой способ конвертации или взять более качественный источник. Прежде чем платить за повторную обработку того же файла, определите, что именно должно измениться: качество скана, исходный файл, параметры обработки или сам конвертер. Повторный запуск с теми же входными данными вряд ли что-то исправит.
Проверьте восстановленный порядок, прежде чем использовать текст
В рабочем процессе PDF Craft для Markdown загрузите PDF, выберите Markdown и скачайте результат из завершенной задачи. Обработка документа нацелена на восстановление полезной структуры, в том числе сложных макетов, но не отменяет проверку порядка чтения.
Сохраните нетронутый экспорт, рабочую копию и исходный PDF. Сравните абзац до правки, исправленный блок и абзац после него. Откройте Markdown и в том редакторе, где он будет использоваться: проблема отображения в редакторе и нарушенный порядок в исходнике требуют разных исправлений.
И только после этого извлекайте цитаты, делите заметки для исследования или передавайте фрагменты в другой инструмент. В руководстве по PDF в Markdown для исследований объясняется, как сохранить связь таких выдержек с источником. Исправленный абзац должен сохранять авторскую последовательность, а не просто звучать правдоподобно сам по себе.