Папка с распознанным текстом — ещё не заметки для исследования. Полезный следующий шаг — сохранить различие между тем, что говорит книга, что удалось распознать при OCR и что вы об этом думаете.
Для большой отсканированной книги Markdown удобен: текст можно править, разбивать на файлы подходящего размера и связывать заметки с фрагментами источника. PDF остаётся главным ориентиром для цитат, ссылок на страницы, таблиц и слов, в которых вы не уверены.
Начните с нетронутого источника и нетронутого результата распознавания
Загрузите отсканированный PDF через PDF в Markdown, выберите вывод в Markdown и скачайте готовый результат. Если вы работаете с оригинальным текстом, не включайте перевод. Материал можно перевести отдельно, когда это понадобится, но если смешать перевод с транскрипцией источника, ссылаться на него в дальнейшем будет сложнее.
Сохраните скачанный результат до того, как начнёте его править. Простая структура папок на компьютере поможет разделить материалы по этапам работы:
book-project/
source/book-scan.pdf
extraction/original-output.md
working/chapter-01.md
working/chapter-02.md
notes/themes.md
notes/quotation-log.md
Это лишь предложенная структура папок в вашем хранилище, а не функция экспорта PDF Craft. Скачанные изображения храните рядом с рабочими файлами Markdown и проверяйте относительные пути при переносе файлов.
Сначала просмотрите заголовки, порядок абзацев, одну сложную страницу и фрагмент, переходящий со страницы на страницу. OCR может правильно распознать слова, но неверно восстановить их порядок. Сделайте это до того, как разнесёте текст по десяткам заметок.
Сначала делите по главам, потом по идеям
За основу первых разделов возьмите границы глав самой книги. Сохраняйте названия глав и заголовки разделов, чтобы можно было вернуться к рассуждению, в котором встречается цитата. Не превращайте сразу каждый абзац в отдельную заметку: вырванные из контекста фрагменты теряют оговорки, и повторяющиеся утверждения становится труднее понять.
В начале каждого файла главы добавьте краткие сведения: название книги, издание, главу и диапазон страниц источника. Пока диапазон не проверен, его можно считать предварительным. Затем напишите отдельную заметку с пересказом главы своими словами и ссылками или понятными указаниями на нужные рабочие файлы.
Например, в заметке о финансировании железных дорог можно сослаться на главу 3, где автор выдвигает тезис, на главу 6 с контрпримером и на приложение с цифрами. Такие ссылки позволят позже пересмотреть свой пересказ, а не считать первое толкование окончательным.
Сохраняйте ориентиры для поиска страниц, не указывая непроверенные номера
Номера страниц в книге и позиции в PDF часто не совпадают. В скан могут входить обложка и ненумерованные начальные страницы перед страницей 1. По возможности записывайте оба значения: «с. 73 в книге; с. 89 в PDF». На более поздних главах сверьте соответствие ещё раз: из-за пропущенных страниц или вклеек единый сдвиг может нарушиться.
Если в извлечённом тексте нет надёжных отметок страниц, вручную добавьте проверенные ссылки к тем фрагментам, которые действительно собираетесь использовать. Не вписывайте номер страницы, оценивая его по длине абзаца. В Markdown текст перестраивается по ширине экрана, и разбивка на страницы там не такая, как в PDF.
В журнале цитат можно использовать четыре столбца:
| Фрагмент | Место в источнике | Проверка | Как вы его используете |
|---|---|---|---|
| Точная цитата или короткая опознавательная фраза | Издание, страница в книге, позиция в PDF | Сверено со сканом или ещё не сверено | Тезис, который она подтверждает, и возможные ограничения |
Не убирайте пометку «ещё не сверено». Скопированный фрагмент не становится проверенной цитатой только потому, что его перенесли в аккуратно оформленную заметку.
Проверяйте перед цитированием и расчётами
При работе с цитатой сверьте с изображением страницы каждое слово, знак препинания и пропуск. Особенно внимательно проверяйте имена, даты, отрицания и переносы на конце строк. Неразборчивые места помечайте как сомнительные, а не дополняйте по смыслу.
В таблице сохраняйте название, подписи строк и столбцов, единицы измерения и примечания. Если восстановить список чисел без этих подписей, информация, необходимая для их понимания, будет утрачена. В формуле перед использованием в расчётах проверьте операторы, нижние и верхние индексы и ссылки на уравнения.
Сноски требуют такого же внимания. Убедитесь, какая пометка относится к какой сноске и не продолжается ли примечание на следующей странице. Верная сноска, привязанная не к тому предложению, может исказить доказательства автора.
Отделяйте своё толкование от слов автора
Пользуйтесь понятными пометками: «Фрагмент источника», «Мой пересказ», «Открытый вопрос». Точные цитаты заключайте в кавычки или оформляйте как блок-цитату и указывайте проверенное место. Пересказ пишите своими словами, но источник всё равно фиксируйте.
Если заметка меняет ваше понимание, обновите пересказ, а не правьте молча сохранённый результат распознавания. Благодаря этому небольшому разделению позже легче проводить проверку: вы сможете отличить исправление ошибки OCR от изменения в собственных рассуждениях.
О более широком порядке работы с документами читайте в статье PDF в Markdown для исследований. Если ваша ближайшая цель — читать книгу, а не править заметки, возможно, лучше выбрать отсканированный PDF в EPUB. Перед обработкой или повторным запуском большого преобразования ознакомьтесь с актуальными ценами.