В статье с двумя колонками слова могут распознаваться безупречно, но идти в неправильном порядке. Извлечённый текст начинается с левой колонки, перескакивает на подпись справа, а затем возвращается, чтобы закончить предложение. Исправление орфографии такую логику не восстановит.
Проверяйте порядок чтения как соотношение блоков. Нужен исходный PDF рядом с результатом конвертации, а не только проверка орфографии и подсчёт слов.
Наметьте маршрут по одной странице
Возьмите страницу с двумя обычными колонками, заголовком и хотя бы одним рисунком или таблицей. Прочитайте её в том порядке, который задумал автор. Для традиционной статьи с чтением слева направо это обычно означает сверху вниз по левой колонке, а затем сверху вниз по правой, но заголовки и рисунки на всю ширину могут этот порядок нарушить.
Запишите короткий маршрут, например:
Заголовок раздела → верхний абзац слева → нижний абзац слева → продолжение вверху справа → следующий раздел.
Это карта для проверки, а не утверждение о том, как закодирован каждый PDF. Некоторые страницы чередуют одну и две колонки. Аннотация может занимать всю ширину страницы, даже если следующие разделы — нет.
В преобразованном тексте найдите первые несколько слов каждого абзаца из маршрута. Убедитесь, что последовательность совпадает. Если нет, определите самое раннее место, где версии расходятся, а не переставляйте абзацы наугад.
Считайте заголовки на всю ширину границами
Заголовок через обе колонки часто открывает новую область чтения. Проверьте, стоит ли он в результате перед обеими колонками, посередине левой колонки или после текста, который на самом деле относится к тому, что ниже.
Сравните абзац перед заголовком и первый абзац после него. Заголовок может выглядеть правильно сам по себе, но разделять не те два блока. Колонтитулы вверху последовательных страниц — ещё одна ловушка: программа извлечения может принять их за повторяющиеся заголовки разделов.
В статье с врезкой отделите основной текст от текста врезки. Не вставляйте определение или боковую панель в середину постороннего предложения только потому, что они совпадают по вертикали.
Проверьте, где рисунки и таблицы входят в текст
Пройдите по ссылке вроде «см. рис. 3» к самому рисунку и его подписи. Подпись должна оставаться рядом с этим рисунком, даже если при изменении вёрстки она переместилась.
Широкая таблица может располагаться между двумя половинами страницы. Проверьте, продолжает ли следующий за ней текст первую колонку, начинает новый подраздел или возвращается ко второй колонке. Конвертация может сохранить все значения таблицы и всё равно поместить её целиком внутрь абзаца.
Для каждого проверяемого рисунка сравните:
- Его номер и ссылку на него в тексте.
- Начало и конец подписи.
- Все подписи, необходимые для его понимания.
- Абзац непосредственно до и после вставки.
Не полагайтесь только на физическую близость рисунка. Иногда авторы обсуждают рисунок до или после страницы, на которой он напечатан.
Читайте на переходах, а не только внутри абзацев
Большинство ошибок порядка проявляется на границах. Прочитайте два последних предложения внизу левой колонки и два первых вверху правой. Затем сделайте то же самое на переходе между страницами.
Следите за внезапной сменой темы, местоимением без понятного предшествующего слова, формулой без введения или подписью, встроенной в предложение. Дефис в конце печатной строки может соединять части слова, но может и принадлежать настоящему сложному слову. Восстанавливайте его только после сверки с исходником.
Ведите короткую запись: страница исходного PDF, начало абзаца, неверный соседний блок, нужный соседний блок и предлагаемое исправление. Так вы отличите единичную ошибку в расположении подписи от нарушения порядка, которое повторяется по всей статье. Руководство по устранению проблем с порядком чтения в Markdown начинается с таких симптомов в выводе.
Выберите Markdown для правки или EPUB для чтения
Конвертация PDF в Markdown пригодится, когда нужно переставлять блоки, восстанавливать заголовки или собирать исследовательские заметки в редакторе. Загрузите PDF, выберите Markdown в настройках задачи и запустите конвертацию. PDF Craft обрабатывает вёрстку и распознавание, включая материалы в несколько колонок, но сложные страницы всё равно требуют проверки.
Выбирайте EPUB, когда главное — долгое чтение и настраиваемый текст. Перекомпоновка меняет положение, поэтому сверка с номерами печатных страниц — плохой критерий приёмки. Сравнивайте порядок содержимого. В любом случае сохраняйте исходный PDF для схем и ссылок на источники.
Прежде чем добавлять результат в коллекцию заметок, просмотрите не только чистую первую страницу. Проверьте заголовок на всю ширину, плотную страницу с двумя колонками, широкую таблицу и конец документа. Затем воспользуйтесь рабочим процессом для исследовательских заметок в Markdown, чтобы сохранить исходник рядом с заметками.