一个装满识别文本的文件夹，还不算研究笔记。下一步真正有用的是分清三件事：书里原本怎么说、OCR 识别出了什么、你自己怎么看。
对一本篇幅很长的扫描书来说，Markdown 让这件事变得可行：文本可以编辑，可以拆成大小合适的文件，笔记也能链接到原文段落。引文、页码、表格和拿不准的字词，始终以 PDF 为准。
先保留未经改动的原件和原始提取结果
用 PDF 转 Markdown 上传扫描版 PDF，选择 Markdown 输出，然后下载转换结果。如果你研究的是原文，就不要开启翻译。需要时你可以另外翻译材料，但把译文措辞混进原文转录里，日后引用会更麻烦。
下载完成后先另存一份，再开始编辑。用一个简单的本地文件夹就能区分各个阶段：
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
这只是建议你在自己的存储中采用的目录结构，并不是 PDF Craft 的导出功能。下载得到的图片资源要和正在编辑的 Markdown 放在一起，移动文件时检查相对路径是否仍然正确。
先检查标题、段落顺序、一页难处理的页面，以及跨页的段落。OCR 可能把字都认对了，却把顺序拼错。这一步要在把文本分散到几十条笔记之前完成。
先按章节拆分，再按观点拆分
第一层划分沿用原书的章节边界。保留章名和小节标题，这样你才能回到引文所在的上下文。不要急着把每段都变成一条孤立笔记：孤立的段落会丢掉限定条件，重复出现的说法也更难判断。
在每个章节文件开头加一小段信息，写明书名、版本、章节和对应的原书页码范围。页码范围在核对之前可以是暂定的。然后单独写一条笔记，用自己的话概括这一章，并链接到或清楚标明相关的工作文件。
比如一条关于铁路财政的主题笔记，可以指向第 3 章的作者主张、第 6 章的反例，以及附录里的数据。有了这些指向，日后你可以回头质疑自己的概括，而不是把最初的理解当成定论。
保留页码线索，不要凭空造出精确页码
印刷页码和 PDF 页面位置往往对不上。扫描件可能在正文第 1 页之前还有封面和不标页码的前置页。能记就两个都记：“印刷版第 73 页；PDF 第 89 页。”到后面的章节要再核对一次对应关系，因为缺页或插页会让固定的偏移量失效。
如果提取结果里没有可靠的页码标记，就只在你确实要用的段落上手动补上核对过的出处。不要按段落长度估算页码再填进去。重排后的 Markdown 并不像 PDF 那样分页。
引文记录表可以用四列：
| 段落 | 出处 | 核对情况 | 你的用途 |
|---|---|---|---|
| 原文引语或用于定位的短语 | 版本、印刷页码、PDF 位置 | 已对照扫描件核对，或尚未核对 | 支持哪个论点，以及有哪些限制 |
“尚未核对”这几个字要一直留着。一段复制来的文字，不会因为被放进整理得漂漂亮亮的笔记里，就自动变成核对过的引文。
引用或计算之前先复核
核对引文时，逐字对照页面图像，标点、省略也要看。人名、日期、否定词和行末连字符尤其要仔细。看不清的地方标为存疑，不要按“意思上应该是什么”去补。
核对表格时，保留表题、行列标签、单位和注释。只把一串数字抄出来，却丢掉这些标签，解读表格所需的信息就没了。核对公式时，先检查运算符、上下标和公式编号，再拿去做计算。
脚注也要同样处理。确认哪个标记对应哪条注释，以及一条引注是否延续到下一页。注释本身没错，却挂在了错误的句子上，就会歪曲作者给出的证据。
把自己的解读和作者的原话分开
用明确的标签区分，比如“原文摘录”“我的概括”“待解决的问题”。原文引语加上引号或放进引用块，并注明核对过的出处。转述要用自己的话写，同时照样记下出处。
笔记让你的理解发生变化时，去更新你的概括，而不是悄悄改动保留下来的提取文本。这样分开之后，日后复查会轻松很多：你能分清哪处是 OCR 更正，哪处是自己的论点变了。
想了解更完整的文档处理流程，请看面向研究的 PDF 转 Markdown。如果你当前的目标是读书而不是编辑笔记，扫描版 PDF 转 EPUB 可能是更合适的输出。处理或重复进行大规模转换之前，请先查看当前的价格。