В вертикальной книге символы могут быть распознаны правильно, но стоять не в том порядке. Система OCR способна извлечь текст, однако неправильно соединить столбцы, подписи к иллюстрациям или мелкие пометки. Для чтения и перевода порядок так же важен, как и сами символы.
Начните с характерных страниц и исходного PDF. Не считайте, что одна аккуратная вертикальная страница гарантирует надёжную обработку всех вариантов вёрстки в большой книге.
Определите вертикальную и смешанную вёрстку
Посмотрите на обычную страницу с основным текстом, на начало главы и на страницу с иллюстрациями или примечаниями. В книге могут сочетаться вертикальный текст с горизонтальными заголовками, таблицами, латинскими сокращениями или мелкими пометками о произношении.
Прежде чем приступать к обработке, отметьте предполагаемую последовательность. Какой столбец идёт следующим? К чему относится подпись? Служит ли мелкая строка пояснением к соседним символам или входит в состав основного предложения? Зафиксируйте эти связи на нескольких выбранных страницах — так у вас будет конкретный ориентир для проверки результата.
Если на скане в одном изображении оказались два разворота, проверьте также их порядок и область переплёта. Обрезка или тень могут скрыть последние символы строки. Перевод не восстановит надёжно текст, которого нет на изображении.
Проверьте порядок OCR, прежде чем судить о переводе
После конвертации прочитайте непрерывный фрагмент исходного текста от начала до конца, сверяясь с изображением страницы в PDF. Ищите столбцы, соединённые не в том направлении, пометки, вставленные в основной текст, и колонтитулы, повторяющиеся внутри предложений.
Полезная выборка включает следующие типы страниц:
| Тип страницы | Основной риск, который нужно проверить |
|---|---|
| Обычный вертикальный текст | Последовательность столбцов и соединение абзацев |
| Смешанный горизонтальный и вертикальный текст | Заголовки или подписи, вставленные в основной текст |
| Мелкие пометки | Их связь с основным текстом |
| Иллюстрация или таблица | Расположение подписи и разрыв основного текста |
| Граница страницы или главы | Продолжение предложения или настоящий разрыв |
Если переведённый фрагмент звучит странно, возможно, нарушен порядок исходного текста. Сравнивайте со страницей, а не пытайтесь исправить смысл только по предложению на языке перевода. В статье об OCR и переводе эти этапы разобраны отдельно.
Осознанно выберите конвертацию или перевод
В рабочей области PDF загрузите PDF и выберите формат результата в зависимости от задачи. EPUB подходит для чтения с возможностью менять размер шрифта. Markdown удобен для редактирования и исследовательских заметок. Перевод для этих форматов необязателен и включается только при необходимости; вывод в PDF — это задача перевода.
Полученная для чтения вёрстка не обязана повторять исходную вертикальную страницу. Оценивайте, сохранены ли в выбранном формате содержание и нужная последовательность, а не рассчитывайте на точное факсимиле. PDF Craft не обещает без потерь воспроизводить любую вертикальную или смешанную вёрстку.
Если нужен перевод, добавьте краткие сведения: тему, предпочтительные варианты имён и важную терминологию. Не думайте, что инструкции компенсируют отсутствующие символы или перепутанный порядок исходного текста. Перед отправкой ознакомьтесь с действующими ограничениями на файлы и разделом «Тарифы». Новые пользователи получают пробные кредиты; обработка оплачивается по фактическому использованию.
Возьмите сложный образец, чтобы понять, что требует проверки
Выберите страницу, где меняется вёрстка, и страницу на границе раздела. Сравните конец предыдущей страницы, текущую страницу и начало следующей. Проверьте, сохранилось ли целое предложение в нужном порядке без вставленных колонтитулов или номеров страниц.
Для примечаний найдите маркер и полный текст примечания, а не полагайтесь только на распознавание мелкого шрифта. Для таблицы проверьте, правильно ли сопоставлены строки и столбцы. Если символы бледные или неоднозначные, по возможности сверьтесь с более чётким источником, чтобы гладкий перевод не скрывал неуверенность в распознавании.
Не называйте процент точности, опираясь на несколько выборочных страниц. Такая выборка помогает выявить слабые места книги и объём проверки, но не измеряет точность по всему документу.
Держите исходник под рукой во время чтения
Сохраните скачанный результат отдельно и записывайте проблемные места по номеру страницы в оригинале и характерной фразе. Страницы EPUB меняются в зависимости от шрифта и размера экрана, поэтому одни лишь номера страниц в результате — ненадёжный ориентир.
Если одна и та же проблема с порядком встречается на многих страницах, приостановите работу, пока не разберётесь в причине. Если трудных страниц немного, отметьте их для более внимательной сверки с оригиналом. В руководстве по переводу сканированных PDF рассматривается проверка содержания и вёрстки после обработки; беглость текста там не считается доказательством правильного распознавания.