处理一份难啃的扫描件之前，先弄清它到底哪里有问题。文字倾斜、页面横放、图像模糊、装订处有暗影、页边被裁掉，这些情况需要分别应对。把所有清理选项一股脑打开，去掉噪点的同时也容易抹掉有用的痕迹。
原始文件不要动。先拿几页有代表性的页面复制一份，在副本上试改，确认效果后再应用到整本书。
分清哪些缺陷能修，哪些信息已经丢失
| 缺陷 | 需要检查什么 | 合适的下一步 |
|---|---|---|
| 轻微倾斜 | 文字行有斜度，但笔画仍然清晰 | 试一下纠偏 |
| 页面横放或倒置 | 阅读方向不对 | 校正旋转 |
| 装订阴影 | 靠近书脊处的小字消失 | 条件允许时重新拍摄 |
| 模糊或运动拖影 | 字母笔画粘连在一起 | 重新扫描，或换一份更清晰的来源 |
| 页边被裁掉 | 字符或注释标记缺失 | 找回完整的原始页面 |
| 斑点或黑色边框 | 噪点干扰小字号文字 | 试一下保守的清理，确保不抹掉内容 |
把已经模糊的图像放大，并不会补回丢失的笔画细节。根据上下文猜出一个看起来合理的词，和真正还原原文是两回事。确实无法辨认的地方要如实标注，不能因为 OCR 或翻译结果读起来通顺，就当成原文无误。
有目的地使用外部预处理
下面说的是外部的预处理手段，不是 PDF Craft 里的图像编辑功能。Adobe 在“扫描和 OCR”下介绍了它的扫描增强工具。请按你所使用版本的当前说明操作，另存一份工作副本，检查结果之后再决定是否替换原文件。
如果习惯用命令行，OCRmyPDF 的 cookbook 把旋转和纠偏区分开来。对于按要求准备好的测试文件，文档中给出的选项包括：
ocrmypdf --deskew --rotate-pages input.pdf output.pdf
这个示例会另写一个输出文件，并不是每次用 PDF Craft 之前都必须执行的命令。外部工具要按其文档安装和配置，需要时选对识别语言，并留意针对实际来源文件给出的警告。不要因为某篇无关的教程用了某些清理选项，就跟着加上会破坏图像的处理。
Tesseract 的质量指南解释了输入质量和倾斜为什么会影响到识别结果。这些建议针对的是该 OCR 引擎，并不代表某一组通用设置就能解决所有书的问题。
对同样的页面做前后对比
挑一页普通页面，再挑一页有难度、带小字、注释或表格的页面。保留它们原来的位置。每次只做一项有意义的调整，这样才能看出哪一步有帮助、哪一步损坏了图像。
既要比较画面，也要比较识别出来的文字。检查标点、小数点、负号、上标和表格的细线。对比度调高后页面看着更干净，却可能把本来很重要的浅淡笔画去掉了。
页边和装订区域也要看。裁掉黑色边框的同时，可能把脚注标记也裁掉了。清理之后正文变好了，插图或手写内容却可能受损。不要只看最显眼的那一段来判断效果。
把用过的设置和仍未解决的缺陷记下来。小样本有助于估计校对工作量，但不能据此得出整本书的准确率。
来源文件可用之后，再决定输出什么
如果目的是继续阅读、并且希望文字大小可调，就选 EPUB。如果目的是编辑或做研究笔记，就选 Markdown。需要保留原始页面外观、方便核对来源时，就保留 PDF。
在 PDF 工作区上传准备好的 PDF，再选择实际的输出格式和翻译设置。EPUB 和 Markdown 可以不翻译，PDF 输出则必须翻译。这些选项不会因为网站地址而自动替你选定。
新用户会获得试用额度，处理按用量计费。提交大批文件之前，先查看当前的限制和价格。PDF Craft 不承诺修复每一个损坏的字符，也不承诺不经校对就能还原所有复杂版式。
最后检查时，保留不确定之处
下载之后，回到刚才那几页难处理的页面。比较段落顺序、小字注释、公式，以及靠近书脊的文字。如果涉及翻译，遇到读起来别扭的句子，回头看看原图；错误可能从识别那一步就开始了。
扫描版 PDF 翻译指南讲了下游的校对方法。OCR 与翻译工作流指南说明了为什么识别和含义需要分别核对。把原始文件和预处理后的副本放在一起，以后修改时才能追溯。