# 扫描书 OCR 与转换后如何检查脚注

核对正文标记与完整注释文字是否对应，检查编号和返回链接，并识别被误当作正文的页码或页脚。

识别页面底部的小字，只是脚注处理的一部分。转换后的书还需要把正确的标记对应到正确的注释，保证注释文字完整，并且读者能方便地回到正文继续阅读。

检查时请把原始 PDF 一并打开。单独看一条注释，它可能读起来没问题，实际却属于另一句话、另一栏或另一页。

## 核对正文标记与注释内容是否对应

挑一个有多个脚注的页面。在正文中找一个标记，读一读它所在的那句话，再到原书里找到对应的注释，把完整文字与输出结果逐字比对。

不要只看编号。有的书按页或按章重新编号，有的用符号，正文里还可能出现其他上标字符，它们并不是注释引用。判断对应关系要靠原书的版式和上下文，不能只因为下方某处出现了同一个数字就认定匹配。

如果输出是 EPUB，有链接就点开跟着走。如果是 Markdown 或其他可编辑格式，看看引用和注释在文件里是怎么写的，在编辑器里又是怎么显示的。各家的显示方式不一样，要实际查看结果，不能想当然地以为每条注释都会以弹窗形式出现。

## 检查编号、跳转目标和返回路径

对每条抽样的注释，确认三件事：标记出现在正文中应有的位置，跳转后看到的是正确的注释，并且能回到相关段落继续读。

链接能用，也可能跳到错误的地方。目标对了，注释也可能少了后半段。注释完整，也可能从正文根本点不过去。记录问题时把这几种情况分开写，修复时才能对症下药。

| 现象           | 需要比对的内容             |
| ------------ | ------------------- |
| 有标记，点不开      | 原书此处是否有注释，以及是否被识别出来 |
| 有注释，正文里却没有引用 | 原书标记的位置，以及是否因版式判断出错 |
| 两条注释连成一条     | 原书编号，以及小字块之间的分界     |
| 注释开头或结尾突然中断  | 相邻页面和相邻栏的接续内容       |
| 返回后跳到很远的地方   | 阅读文件中的跳转目标和返回关系     |

## 留意页码和页脚文字

页面底部的文字不一定是脚注。它可能是页码、书眉、图注，也可能是正文段落的结尾。一个小数字还可能被误插到两段正文之间，把原本分开的段落连起来。

对照原书相邻的几页看同一区域。重复出现的页脚文字和页码规律，往往能说明输出里多出来的内容是从哪来的。同时也要检查：如果删掉某段被当作页脚的文字，会不会在特殊页面上误删真正的内容。

还有一点：栏边界附近的注释，可能只属于其中一栏的文字。先按原书顺序把整段读完，再判断它该挂在哪里。译文读起来通顺，并不能证明恢复出来的对应关系是对的。

## 抽样要覆盖难处理的结构

不要只挑一个干净页面、一条短注释来检查。样本里要包含多个标记、符号编号、长注释和跨页的情况。如果书中的注释跨页延续，可以参考这篇专门讲[跨页脚注的检查方法](https://pdfcraft.ai/zh-CN/blog/cross-page-footnotes-ocr/)的文章。

记录时写下印刷页码、PDF 阅读器页码、标记，再抄一句有辨识度的原文。EPUB 的分页会随字号变化，光凭输出里显示的页码，以后很难找回同一处问题。

[JEV 工程文章](https://pdfcraft.ai/zh-CN/blog/jev-footnote-review/)保留了一份具体的 PDF Craft 样本，并说明了内部如何复查可疑页面。文中的观察不能保证每本书的脚注都正确，也不代表产品提供了供用户手动修复的开关。

## 识别检查和译文检查要分开做

如果注释经过翻译，先确认恢复并挂接的是正确的那条原文注释，再比对译文的意思，包括引文、人名和出处信息。不要为了让参考文献看起来完整，就编造本地化的书目信息。

[OCR 与翻译流程指南](https://pdfcraft.ai/zh-CN/blog/ocr-and-translate-workflow/)分别讲了这两个阶段。你可以在 [PDF 工作区](https://pdfcraft.ai/zh-CN/pdf-craft/)选择输出 EPUB 或 Markdown，需要时开启翻译。新用户会获得试用额度；处理按用量计费，当前价格见[价格页面](https://pdfcraft.ai/zh-CN/pricing/)。

下载后，把结果和原书存在一起。打算引用或用于研究的段落，要比随手翻阅时查得更仔细。方便的注释链接有助于跳转，但作者究竟写了什么，仍要以原书为准。